P. 1
Korelasi Dan Regresi Ganda

Korelasi Dan Regresi Ganda

|Views: 222|Likes:
Dipublikasikan oleh Il Viandante

More info:

Published by: Il Viandante on May 31, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

12/13/2014

pdf

text

original

Bab 10

Korelasi dan Regresi Ganda
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------



Bab 10
KORELASI DAN REGRESI GANDA

A. Pendahuluan

1. Koefisien Korelasi

• Ada berbagai macam koefisien korelasi
bergantung kepada skala data dan kepada
banyaknya variabel

• Korelasi di antara dua variabel dikenal sebagai
korelasi sederhana (linier dan taklinier)

• Korelasi di antara lebih dari dua variabel
dikenal sebagai korelasi ganda (linier dan
taklinier)

• Hanya korelasi linier yang dibahas di sini
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

2. Koefisien Korelasi Sederhana

Ada beberapa koefisien korelasi sederhana
bergantung kepada jenis skala data


dikotomi dikotomi kontinum peringkat
murni buatan interval

dikotomi koefisien biserial
Murni phi titik

dikotomi tetrakorik biserial
buatan

kontinum Pearson
intervak
Spearman
Peringkat
Kendall


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

3. Korelasi dan Regresi Ganda

• Satu variabel dependen Y dengan dua atau lebih
variabel independen X
1
, X
2
, X
3
, …

• Korelasi ganda yang linier dapat dinyatakan dalam
bentuk regresi linier

Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ …
+b
12
X
1
X
2
+ b
13
X
1
X
3
+ … (interaksi)
+ keliru

• Di sini hanya dibahas bentuk lebih sederhana tanpa
interaksi berupa

Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ … + keliru
Ŷ = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ …

• Pembahasan dibatasi sampai tiga variabel
independen saja
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

4. Model Struktural

Korelasi linier sederhana






Ŷ = a + bX


Korelasi linier dengan dua variabel independen









Ŷ = a + b
1
X
1
+ b
2
X
2



X



Y
X
1

X
2

Y
Korelasi parsial
Korelasi ganda
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Koefisien korelasi parsial (sampel)

r
y1.2
= koefisien korelasi parsial di antara X
1
dan Y
dengan X
2
netral

r
y2.1
= koefisien korelasi parsial di antara X
2
dan Y
dengan X
1
netral

Koefisien korelasi ganda (sampel)

R
y.12
= koefisien korelasi ganda di antara X
1
dan X
2

dengan Y pada komposisi terbaik (keliru
atau residu terkecil)


Catatan: X
1
dinyatakan sebagai 1,
X
2
dinyatakan sebagai 2,
Y dinyatakan sebagai y
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Korelasi linier dengan tiga variabel independen X
1
, X
2
,
dan X
3











Ŷ = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3


Koefisien korelasi parsial: r
y1.23
, r
y2.31
, r
y3.12


Koefisien korelasi ganda: R
y.123


X
1

X
2

X
3

Y
r
y1.23

r
y2.31

r
y3.12

R
y.123



------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Koefisien korelasi parsial (sampel)

r
y1.23
= koefisien korelasi parsial di antara X
1
dan Y
dengan X
2
dan X
3
netral

r
y2.31
= koefisien korelasi parsial di antara X
2
dan Y
dengan X
3
dan X
1
netral

r
y3.12
= koefisien korelasi parsial di antara X
3
dan Y
dengan X
1
dan X
2
netral

Koefisien korelasi ganda (sampel)

R
y.123
= koefisien korelasi ganda di antara X
1
, X
2
,


dan X
3
dengan Y pada komposisi terbaik
(keliru atau residu terkecil)


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
B. Korelasi Ganda dengan Dua Variabel Independen

1. Bentuk korelasi





Bentuk regresi

Ŷ = a + b
1
X
1
+ b
2
X
2


Koefisien korelasi parsial

r
y1.2
= koefisien korelasi y1 dengan 2 netral
r
y2.1
= koefisien korelasi y2 dengan 1 netral

Koefisien korelasi ganda

R
y.12
= koefisien korelasi y.12 pada komposi-
si terbaik (keliru atau residu terkecil)



X
1

X
2

Y
r
y1.2

r
y2.1

R
y.12

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
2. Penetralan variabel

Pada r
y1.2
, variabel 2 adalah netral
Cara penetralan


• Tidak netral






Proyeksi X
2
berubah panjangnya apabila
panjang X
2
berubah

X
2
tidak netral (tidak tegak lurus)
X
2

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

 Netral

Buat bidang tegak lurus pada 2








Proyeksi X
2
tidak berubah sekalipun panjang X
2

berubah-ubah

X
2
netral (tegak lurus)
X
2

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
3. Koefisien korelasi parsial r
y1.2
dan r
y2.1


Agar X
2
netral, dibuat bidang yang tegak lurus
kepada X
2








Korelasi parsial di antara

X
1
dengan Y

menjadi korelasi parsial di antara

X
1

dengan Y




Cara sama untuk koefisien korelasi parsial r
y2.1

X
2

X
1

X
1


Y
Y’
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Rumus koefisien korelasi parsial












Diperlukan koefisien korelasi sederhana

r
y1
, r
y2
, dan r
12


untuk menghitung koefisien korelasi parsial
2
12
2
1
12 1 2
1 2
2
12
2
2
12 2 1
2 1
1 1
1 1
r r
r r r
r
r r
r r r
r
y
y y
y
y
y y
y
÷ ÷
÷
=
÷ ÷
÷
=
.
.
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 1

Dari 40 pasang data ditemukan koefisien korelasi
sampel
X
1
X
2

Y 0,60 0,40
X
1
0,30

Koefisien korelasi parsial


29 0
30 0 1 60 0 1
30 0 60 0 40 0
1 1
55 0
30 0 1 40 0 1
30 0 40 0 60 0
1 1
2 2
2
12
2
1
12 1 2
1 2
2 2
2
12
2
2
12 2 1
2 1
,
, ,
) , )( , ( ,
,
, ,
) , )( , ( ,
.
.
=
÷ ÷
÷
=
÷ ÷
÷
=
=
÷ ÷
÷
=
÷ ÷
÷
=
r r
r r r
r
r r
r r r
r
y
y y
y
y
y y
y
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 2

Sampel 15 pasang data adalah sebagai berikut


X
1
X
2
Y
15 7,7 36 Koefisien korelasi parsial
22 8,2 39
16 7,8 35
19 9,3 43 r
y1.2
=
22 8,2 40
20 8,8 42
28 12,1 49
14 8,0 38
18 8,1 36
21 11,2 44 r
y2.1
=
26 9,4 35
14 10,3 43
19 8,5 37
22 7,5 41
20 8,4 40
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Contoh 3

Hitunglah koefisien korelasi parsial r
y1.2
dan r
y2.1

untuk sampel berikut

(a) X
1
X
2
Y
38 4 31700
46 0 27300
39 5 35500
43 2 30800
32 4 25900

(b) X
1
X
2
Y
0,02 1000 78,9
0,02 1200 55,2
0,10 1000 80,9
0,10 1200 57,4
0,18 1000 85,3
0,18 1200 60,7
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
4. Pengujian Hipotesis pada Koefisien Korelasi Parsial

Koefisien korelasi parsial untuk populasi µ
y1.2
dan
µ
y2.1
diuji melalui hipotesis

H
0
: µ
y1.2
= 0
H
1
: µ
y1.2
> 0 atau < 0 atau ≠ 0

H
0
: µ
y2.1
= 0
H
1
: µ
y2.1
> 0 atau < 0 atau ≠ 0

Koefisien korelasi parsial ditransformasi melalui
transformasi Fisher

Karena itu, probabilitas pensampelan menjadi
distribusi probabilitas normal dengan kekeliruan
baku



4
1
÷
=
n
r
Z
o
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 4

Dari contoh 1, pada taraf signifikansi 0,05, uji
apakah koefisien korelasi parsial adalah positif

Hipotesis

H
0
: µ
y1.2
= 0
H
1
: µ
y1.2
> 0



Sampel

n = 40
r
y1.2
= 0,55

transformasi Fisher


618 0 55 0
1
2 1
, , tanh
.
= =
÷
y
r
Z
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

 Distribusi probabilitas pensampelan

DP normal
Kekeliruan baku






 Statistik uji





167 0
36
1
4
1
2 1
,
.
= =
÷
=
n
y
r
Z
o
7 3
167 0
618 0
2 1
2 1
,
,
,
.
.
= = =
y
r
y
Z
r
Z
z
o
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

• Kriteria pengujian

Taraf signifikansi 0,05
Nilai kritis z
(0,95)
= 1,6499

Tolak H
0
jika z > 1,6499
Terima H
0
jika z s 1,6499


• Keputusn

Pada taraf signifikansi 0,05, tolak H
0



------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 5

Dari contoh 1, pada taraf signifikansi 0,05, uji
apakah koefisien korelasi parsial adalah positif

Hipotesis

H
0
: µ
y2.1
= 0
H
1
: µ
y2.1
> 0



Sampel

n = 40
r
y2.1
= 0,29

transformasi Fisher


= =
÷
29 0
1
2 1
, tanh
. y
r
Z


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

 Distribusi probabilitas pensampelan

DP normal
Kekeliruan baku






 Statistik uji





167 0
36
1
4
1
2 1
,
.
= =
÷
=
n
y
r
Z
o
= =
2 1
2 1
.
.
y
r
y
Z
r
Z
z
o


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

• Kriteria pengujian

Taraf signifikansi 0,05
Pengujian pada ujung atas
Nilai kritis z
(0,95)
= 1,6499

Tolak H
0
jika z > 1,6499
Terima H
0
jika z s 1,6499


• Keputusn

Pada taraf signifikansi 0,05,
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Contoh 6

Dari contoh 2, pada taraf signifikansi 0,05, uji
hipotesis bahwa koefisien korelasi parsial r
y1.2
dan
r
y2.1
adalah positif


Contoh 7

Dari contoh 3 (a), pada taraf signifikansi 0,05, uji
hipotesis bahwa koefisien korelasi parsial r
y1.2
dan
r
y2.1
adalah positif


Contoh 8

Dari contoh 3 (b), pada taraf signifikansi 0,05, uji
hipotesis bahwa koefisien korelasi parsial r
y1.2
dan
r
y2.1
adalah positif

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
C. Koefisien Korelasi Ganda pada Bentuk dengan Dua
Variabel Independen

1. Pendahuluan

• Koefisien korelasi ganda R
y.12
diperoleh
melalui residu (keliru) terkecil


• Langkah yang ditempuh adalah mengubah
regresi ke dalam bentuk nilai baku

• Selanjutnya kita menentukan residu untuk
semua data dan dikuadratkan

• Melalui residu kuadrat terkecil, diperoleh
koefisien untuk menghitung koefisien korelasi
ganda

• Jika dikehendaki, koefisien regresi juga dapat
dihitung




------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
2. Langkah perhitungan

 Regresi ditransformasikan ke nilai baku
menjadi

z
y
= b
1
z
1
+ b
2
z
2
+ residu
residu = z
y
÷ b
1
z
1
÷ b
2
z
2
= z
y
÷ regresi

 Jumlah residu kuadrat

Σ
N
i
(z
y
– regresi)
2
= Σ
N
i
(z
y
– b
1i
z
1i
– b
2i
z
2i
)
2


 Melalui residu kuadrat minimum, diperoleh


2
12
12 1 2
2
2
12
12 2 1
1
1
1
r
r r r
b
r
r r r
b
y y
y y
÷
÷
=
÷
÷
=
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
3. Koefisien korelasi ganda dan regresi ganda


 Koefisien korelasi ganda menjadi







 Regresi ganda menjadi





2 2 1 1 12 . y y y
r b r b R + =
) ( ) ( ) (
ˆ
2
2
2 1
1
1 2
2
2 1
1
1
X
s
s
b X
s
s
b Y X
s
s
b X
s
s
b Y
Y Y Y Y
÷ ÷ + + =
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 9

Dari data diperoleh statistik sebagai berikut


X
2
Y Rerata Simp baku
X
1
0,58 0,33 25,55 10,20
X
2
0,45 63,22 11,91
Y 2,61 0,50

Untuk menghitung koefisien koeralsi ganda


390 , 0
58 , 0 1
) 58 , 0 )( 33 , 0 ( 45 , 0
1
104 , 0
58 , 0 1
) 58 , 0 )( 45 , 0 ( 33 , 0
1
2 2
12
12 1 2
2
2 2
12
12 2 1
1
=
÷
÷
=
÷
÷
=
=
÷
÷
=
÷
÷
=
r
r r r
b
r
r r r
b
y y
y y
-----------------------------------------------------------------------------
Bab 10
-----------------------------------------------------------------------------
• Koefisien korelasi ganda menjadi







• Dan regresi ganda



46 , 0
) 45 , 0 )( 390 , 0 ( ) 33 , 0 )( 104 , 0 (
2 2 1 1 12 .
=
+ =
+ =
y y y
r b r b R
2 1
2
2
2 1
1
1
2
2
1
1
016 0 005 0 47 1
47 1
22 63 016 0 55 25 005 0 61 2
016 0
91 11
50 0
390 0
005 0
20 10
50 0
104 0
X X Y
X
s
s
b X
s
s
b Y
s
s
b
s
s
b
Y Y
Y
Y
, , ,
ˆ
,
) , )( , ( ) , )( , ( ,
,
,
,
) , (
,
,
,
) , (
+ + =
=
÷ ÷ = ÷ ÷
= =
= =
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 10

Dengan data pada contoh 2, hitung koefisien
korelasi ganda dan regresi ganda


Contoh 11

Dengan data pada contoh 3(a), hitung koefisien
korelasi ganda dan regresi ganda


Contoh 12

Dengan data pada contoh 3(b), hitung koefisien
korelasi ganda dan regresi ganda
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
4. Pengujian Hipotesis

Pengujian hipotesis menguji pada taraf
signifikansi o

H
0
: µ
y.12
= 0
H
1
; µ
y.12
> 0

Distribusi probabilitas pensampelan adalah
distribusi probabilitas F Fisher-Snedecor






Derajat kebebasan atas v
A
= k, v
B
= n – k – 1

n = banyaknya data
k = banyaknya variabel independen


1
1
2
2
÷ ÷
÷
=
k n
R
k
R
F
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Untuk dua variabel independen,

robabilitas pensampelan menjadi








dengan derajat kebebasan

atas v
A
= 2

bawah v
B
= n – 3
3
1
2
2
12 .
2
12 .
÷
÷
=
n
R
R
F
y
y
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 13

Dari contoh 9 dengan n = 40, pada taraf
signifikansi 0,05, uji apakah koefisien korelasi
ganda µ
y.12
> 0

 Hipotesis

H
0
: µ
y.12
= 0
H
1
: µ
y.12
> 0

 Sampel

R
y.12
= 0,46
n = 40

• Statistik uji




v
A
= 2 u
B
= 40 – 3 = 37


5 , 11
) 3 40 /( ) 46 , 0 1 (
2 / 46 , 0
) 3 /( ) 1 (
2 /
2
2
2
12 .
2
12 .
=
÷ ÷
=
÷ ÷
=
n R
R
F
y
y
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
• Kriteria pengujian

Taraf signifikansi o = 0,05
Pengujian pada ujung atas
Nilai kritis

F
(0,95)(2)(30)
= 3,32
F
(0,95)(2)(40)
= 3,23
0,09

F
(0,95)(3)(37)
= 3,23 + (0,7)(0,09) = 3,36

Tolak H
0
jika F > 3,36
Terima H
0
jika F ≤ 3,36

 Keputusan

Pada taraf signifikansi 0,05, tolak H
0

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Contoh 14

Pada taraf signifikansi 0,05, uji pada contoh 2,
apakah koefisien korelasi ganda adalah positif


Contoh 15

Pada taraf signifikansi 0,05, uji pada contoh 3(a),
apakah koefisien korelasi ganda adalah positif


Contoh 16

Pada taraf signifikansi 0,05, uji pada contoh 3(b),
apakah koefisien korelasi ganda adalah positif


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
D. Korelasi Ganda dengan Tiga Variabel Independen

1. Bentuk korelasi






Bentuk regresi

Ŷ = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3


Koefisien korelasi parsial

r
y1.23
= koefisien korelasi y1 dengan 2 dan 3 netral
r
y2.31
= koefisien korelasi y2 dengan 3 dan 1 netral
r
y3.12
= koefisien korelasi y3 dengan 1 dan 2 netral

Koefisien korelasi ganda

R
y.123
= koefisien korelasi Ry.123 pada komposisi
terbaik (keliru atau residu terkecil)
X
1

X
2

X
3

Y
r
y1.23

r
y2.31

r
y3.12

R
y.123

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
2. Penetralan variabel

Ketika menentukan korelasi parsial y1, variabel 2
dan 3 dinetralkan dengan membuat bidang tegak
lurus kepada 2 dan 3

Dengan demikian, koefisien korelasi parsial r
y1.23

terjadi pada variabel 2 dan 3 netral

Cara yang sama dilakukan pada koefisien korelasi
parsial r
y2.31
dan r
y3.12



3. Notasi siklus

Untuk menggunakan analogi pada rumus, kita
gunakan notasi siklus, 123, 231, 312

2

1 3
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
4. Koefisien korelasi parsial

Ada tiga koefisien korelasi parsial















Diperlukan koefisien korelasi parsial dari
korelasi ganda dengan dua variabel
independen

2
1 23
2
1 2
1 23 1 2 1 3
12 3
2
3 12
2
3 1
3 12 3 1 3 2
31 2
2
2 31
2
2 3
2 31 2 3 2 1
23 1
1 1
1 1
1 1
. .
. . .
.
. .
. . .
.
. .
. . .
.
r r
r r r
r
r r
r r r
r
r r
r r r
r
y
y y
y
y
y y
y
y
y y
y
÷ ÷
÷
=
÷ ÷
÷
=
÷ ÷
÷
=
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 17

Pada data berukuran n = 40, diketahui koefisien
korelasi

X
1
X
2
X
3

Y 0,60 0,40 0,50
X
1
0,30 0,80
X
2
0,40


Koefisien korelasi parsial r
y1.23




2
2 31
2
2 3
2 31 2 3 2 1
23 1
1 1
. .
. . .
.
r r
r r r
r
y
y y
y
÷ ÷
÷
=
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Untuk menghitungnya diperlukan













sehingga



777 0
30 0 1 40 0 1
30 0 40 0 80 0
1 1
402 0
40 0 1 40 0 1
40 0 40 0 50 0
1 1
549 0
30 0 1 40 0 1
30 0 40 0 60 0
1 1
2 2 2
12
2
32
12 32 31
2 31
2 2 2
23
2
2
23 2 3
2 3
2 2 2
12
2
2
12 2 1
2 1
,
, ,
) , )( , ( ,
,
, ,
) , )( , ( ,
,
, ,
) , )( , ( ,
.
.
.
=
÷ ÷
÷
=
÷ ÷
÷
=
=
÷ ÷
÷
=
÷ ÷
÷
=
=
÷ ÷
÷
=
÷ ÷
÷
=
r r
r r r
r
r r
r r r
r
r r
r r r
r
y
y y
y
y
y y
y
41 0
777 0 1 402 0 1
777 0 402 0 549 0
1 1
2 2 2
2 31
2
2 3
2 31 2 3 2 1
23 1
,
, ,
) , )( , ( ,
. .
. . .
.
=
÷ ÷
÷
=
÷ ÷
÷
=
r r
r r r
r
y
y y
y
-----------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 18

Dari data berikut

X
1
3,5 7,4 2,5 3,7 5,5 8,3 6,7 1,2
X
2
5,3 1,6 6,3 9,4 1,4 9,2 2,5 2,2
X
3
8,5 2,6 4,5 8,8 3,6 2,5 2,7 1,3
Y 64,7 80,9 24,6 43,9 77,7 20,6 66,9 34,4

hitunglah koefisien korelasi parsial r
y1.23


Contoh 19

Dari contoh 18, hitung koefisien korelasi parsial
r
y2.31


Contoh 20

Dari contoh 18, hitung koefisien korelasi parsial
r
y3.12


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 21

Hitunglah koefisien korelasi parsial pada data
berikut

(a) (b)
X
1
X
2
X
3
Y X
1
X
2
X
3
Y
45 16 71 29 9 400 10 40
42 14 70 24 8 500 14 45
44 15 72 27 9 600 12 50
45 13 71 25 8 700 13 55
43 13 75 26 7 800 17 60
46 14 74 28 6 900 15 70
44 16 76 30 6 1000 16 65
45 16 69 28 8 1100 17 65
44 15 74 28 5 1200 22 75
43 15 73 27 5 1300 19 75
5 1400 20 80
3 1500 23 100
4 1600 18 90
3 1700 24 95
4 1800 21 85
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
5. Pengujian Hipotesis pada Koefisien Korelasi Parsial

Bentuk hipotesis

H
0
: µ
y1.23
= 0
H
1
: µ
y1.23
> 0

Distribusi probabilitas pensampelan

Melalui transformasi Fisher Z
r
= tanh
-1
r
distribusi pensampelan menjadi distribusi
probabilitas normal, dengan kekeliruan baku




dengan n = ukuran sampel
m = banyaknya variabel independen
yang netral


) ( 3
1
+ ÷
=
m n
r
Z
o
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Pada tiga variabel independen,

r
y1.23
m = 2

sehingga kekeliruan baku menjadi






Kriteria pengujian

pada taraf signifikansi o dilakukan pada
distribusi probabilitas normal, dengan
nilai kritis z
(|)





5
1
÷
=
n
r
Z
o
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 22

Pada contoh 17, dengan ukuran sampel n = 40,
pada taraf signifikansi 0,05, uji apakah koefisien
korelasi parsial µ
y1.23
adalah positif

• Hipotesis

H
0
: µ
y1.23
= 0
H
1
: µ
y1.23
> 0

Melalui transformasi Fisher, hipotesis menjadi

H
0
: Z
µ y1.23
= 0
H
1
: Z
µ y1.23
> 0

• Sampel
r
y1.23
= 0,41 n = 40

Melalui transformasi Fisher, sampel menjadi

Z
r y1.23
= tanh
-1
0,41 = 0,44
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

• Distribusi probabilitas pensampelan

DPP : DP normal
kekeliruan baku





• Statistik uji




169 0
45
1
5
1
23 1
,
.
= =
÷
=
n
y
r
Z
o
60 2
169 0
44 0
23 1
23 1
,
,
,
.
.
= = =
y
r
y
Z
r
Z
z
o
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

• Kriteria pengujian

Taraf signifikansi o = 0,05
Pengujian pada ujung atas
Nilai kritis

z
(0,95)
= 1,6449

Kriteria pengujian

Tolak H
0
jika z > 1,6449
Terima H
0
jika z s 1,6449


• Keputusan

Pada taraf signifikansi 0,05, tolak H
0

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 23

Pada contoh 18, dengan ukuran sampel n = 40,
pada taraf signifikansi 0,05, uji apakah koefisien
korelasi parsial µ
y2.31
adalah positif


Contoh 24

Pada contoh 19, dengan ukuran sampel n = 40,
pada taraf signifikansi 0,05, uji apakah koefisien
korelasi parsial µ
y3.12
adalah positif


Contoh 25

Pada contoh 20, pada taraf signifikansi 0,05, uji
apakah setiap koefisien korelasi parsial

adalah
positif







------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Contoh 26

Pada contoh 21(a), pada taraf signifikansi 0,05, uji
apakah setiap koefisien korelasi parsial

adalah
positif


Contoh 27

Pada contoh 21(b), pada taraf signifikansi 0,05, uji
apakah setiap koefisien korelasi parsial

adalah
positif



------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
E. Koefisien Korelasi Ganda pada Bentuk dengan Tiga
Variabel Independen

1. Pendahuluan

• Koefisien korelasi ganda R
y.123
diperoleh
melalui residu (keliru) terkecil


• Langkah yang ditempuh adalah mengubah
regresi ke dalam bentuk nilai baku

• Selanjutnya kita menentuikan residu untuk
semua data dan dikuadratkan

• Melalui residu kuadrat terkecil, diperoleh
koefisien untuk menghitung koefisien korelasi
ganda

• Jika dikehendaki, koefisien regresi juga dapat
dihitung






------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
2. Langkah perhitungan

 Regresi ditransformasikan ke nilai baku
menjadi

z
y
= b
1
z
1
+ b
2
z
2
+ b
3
z
3
+ residu
residu = z
y
÷ b
1
z
1
÷ b
2
z
2
÷ b
3
z
3
= z
y
÷ regresi

 Jumlah residu kuadrat

Σ
N
i
(z
y
– regresi)
2
= Σ
N
i
(z
y
– b
1i
z
1i
– b
2i
z
2i
÷ b
3
z
3
)
2


 Melalui residu kuadrat minimum, diperoleh


2
1 23
1 23 1 2 1 3
3
2
3 12
3 12 3 1 3 2
2
2
2 31
2 31 2 3 2 1
1
1
1
1
.
. . .
.
. . .
.
. . .
r
r r r
b
r
r r r
b
r
r r r
b
y y
y y
y y
÷
÷
=
÷
÷
=
÷
÷
=


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
3. Koefisien korelasi ganda dan regresi ganda


 Koefisien korelasi ganda menjadi







 Regresi ganda menjadi





3 3 2 2 1 1 12 y y y y
r b r b r b R + + =
.
) (
) ( ) ( ) (
ˆ
3
3
3 2
2
2 1
1
1
3
3
3 2
2
2 1
1
1
X
s
s
b X
s
s
b X
s
s
b Y
X
s
s
b X
s
s
b X
s
s
b Y
Y Y Y
Y Y Y
÷ ÷ ÷ +
+ + =


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 28

Data koefisien korelasi diperoleh dari statistik
sebagai berikut

X
1
X
2
X
3
Rerata SB


Y 0,60 0,40 0,50 50 2,31
X
1
0,30 0,80 30 1,62
X
2
0,40 20 1,43
X
3
10 1,20


dengan (setelah dihitung)

r
y1.2
= 0,55 r
y1.3
= 0,38 r
y2.1
= 0,29
r
y2.3
= 0,25 r
y3.1
= 0,04 r
y3.2
= 0,40
r
12.3
= ÷ 0,04 r
23.1
= 0,29 r
31.2
= 0,78

Melalui perhitungan diperoleh



------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
sehingga



















61 0
78 0 1
78 0 40 0 55 0
1
2
2
2 31
2 31 2 3 2 1
1
,
,
) , )( , ( ,
.
. . .
=
÷
÷
=
÷
÷
=
r
r r r
b
y y
05 0
29 0 1
29 0 29 0 04 0
1
27 0
04 0 1
04 0 38 0 25 0
1
2
2
1 23
1 23 1 2 1 3
3
2
2
3 12
3 12 3 1 3 2
2
,
,
) , )( , ( ,
,
) , (
) , )( , ( ,
.
. . .
.
. . .
÷ =
÷
÷
=
÷
÷
=
=
÷ ÷
÷ ÷
=
÷
÷
=
r
r r r
b
r
r r r
b
y y
y y
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Koefisien korelasi ganda







Regresi ganda menjadi









67 0
50 0 05 0 40 0 27 0 60 0 61 0
3 3 2 2 1 1 123
,
) , )( , ( ) , )( , ( ) , )( , (
.
=
÷ + =
+ + =
y y y y
r b r b r b R
| |
3 2 1
3 2 1
3
3
3 2
2
2 1
1
1
3
3
3 2
2
2 1
1
1
10 0 50 0 87 0 1 16
10 10 0 20 44 0 30 87 0 50
20 1
31 2
05 0
43 1
31 2
27 0
62 1
31 2
61 0
X X X
X X X
X
s
s
b X
s
s
b X
s
s
b Y
X
s
s
b X
s
s
b X
s
s
b Y
Y Y Y
Y Y Y
, , , ,
) )( , ( ) )( , ( ) )( , (
,
,
,
,
,
,
,
,
,
) (
ˆ
÷ + + =
+ ÷ ÷ ÷
÷ + =
÷ ÷ ÷ ÷
+ + =
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Contoh 29

Dari contoh 18, hitunglah koefisien korelasi ganda
R
y.123.
Hitung juga regresi gandanya



Contoh 30

Dari contoh 21(a), hitunglah koefisien korelasi
ganda R
y.123.
Hitung juga regresi gandanya



Contoh 31

Dari contoh 21(b), hitunglah koefisien korelasi
ganda R
y.123
. Hitung juga regresi gandanya




------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
4. Pengujian Hipotesis

Pengujian hipotesis menguji pada taraf
signifikansi o

H
0
: µ
y.123
= 0
H
1
; µ
y.123
> 0

Distribusi probabilitas pensampelan adalah
distribusi probabilitas F Fisher-Snedecor






Derajat kebebasan atas v
A
= k, v
B
= n – k – 1

n = banyaknya data
k = banyaknya variabel independen


1
1
2
2
÷ ÷
÷
=
k n
R
k
R
F


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Untuk dua variabel independen,

distribusi probabilitas pensampelan menjadi








dengan derajat kebebasan

atas v
A
= 3

bawah v
B
= n – 4
4
1
3
2
123
2
123
÷
÷
=
n
R
R
F
y
y
.
.
------------------------------------------------------------------------------
Bab 10
-----------------------------------------------------------------------------
Contoh 32

Pada contoh 28, dengan ukuran sampel n = 40,
pada taraf signifikansi 0,05, uji apakah koefisien
korelasi ganda adalah positif

• Hipotesis

H
0
: µ
y.123
= 0
H
1
: µ
y.123
> 0

• Sampel

n = 40
R
y.123
= 0,67

• Statistik uji





15
01 0
15 0
4 40
67 0 1
3
67 0
4
1
3
2
2
2
123
2
123
= =
÷
÷
=
÷
÷
=
,
,
,
,
.
.
n
R
R
F
y
y
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

• Kriteria pengujian

Taraf signifikansi 0,05
Pengujian pada ujung atas
Derajat kebebasan atas v
A
= 3
Derajat kebebasan bawah v
B
= 40 ÷ 4 = 36
Nilai kritis

F
(0,95)(3)(36)
= 2,87

Tolak H
0
jika F > 2,87
Terima H
0
jika F s 2,87


• Keputusan

Pada taraf signifikansi 0,05 tolak H
0



------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

Contoh 33

Pada contoh 29, dengan taraf signifikansi 0,05, uji
apakah koefisien korelasi ganda adalah positif


Contoh 34

Pada contoh 30, dengan taraf signifikansi 0,05, uji
apakah koefisien korelasi ganda adalah positif


Contoh 35

Pada contoh 31, dengan taraf signifikansi 0,05, uji
apakah koefisien korelasi ganda adalah positif

------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
F. Analisis Jalur (Path Analysis)

1. Efek Langsung dan Efek Tak Langsung

Hubungan dua variabel dapat terjadi secara
langsung dan dapat juga terjadi secara tak
langsung melalui variabel ketiga


X
1
Y

X
2


Efek langsung X
1
Y

Efek tak langsung X
1
X
2
Y

Efek total adalah gabungan dari efek langsung dan
efek tak langsung
langsung
tak langsung
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 36

Terdapat regresi sebagai berikut

Regresi X
2
= 7,6 ÷ 0,032 X
1
Regresi Y = 3,4 + 0,059 X
1
÷ 0,16 X
2


X
1
Y


X
2



Efek langsung X
1
 Y = 0,059
Efek tak langsung X
1
X
2
Y
(÷0,032)(÷0,16) = 0,005
------------------------------------
Efek total = 0,064
0,059
÷0,032
÷0,16
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
2. Analisis Jalur (Path Analysis)

• Perluasan dari efek tak langsung sehingga
menyangkut semua jalur
• Susun urutan hubungan dari kiri ke kanan sehingga
semua jalur dapat diurut dan dihitung
• Ada efek langsung dan ada efek tak langsung
• Dapat dihitung efek total

Misal

X
1

Y

X
2

X
3


X
1
ke Y adalah empat jalur X
1
Y
X
1
X
3
Y
X
1
X
2
Y
X
1
X
2
X
3
Y


------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------

X
2
ke Y ada dua jalur X
2
Y
X
2
X
3
Y

X
3
ke Y ada satu jalur X
3
Y

Contoh 37

Terdapat regresi sebagai berikut

Y = 0,062 X
1
÷ 0,05 X
2
÷ 0,28 X
3

X
3
= 0,012 X
1
+ 0,38 X
2

X
2
= ÷ 0,032 X
1

X
1

Y
X
2

X
3

0,062
÷0,032
0,012
÷0,05
÷0,28
0,38
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
• Jalur X
1
ke Y

X
1
Y 0,062
X
1
X
3
Y (0,012)(÷0,28) ÷ 0,003
X
1
X
2
Y (÷0,032)(÷0,05) 0,002
X
1
X
2
X
3
Y (÷0,032)(0,38)(÷0,28) 0,003
---------------------
Efek total X
1
Y 0,064


• Jalur X
2
ke Y

X
2
Y ÷ 0,05
X
2
X
3
Y (0,38)(÷0,28) ÷ 0,11
---------------------
Efek total X
2
Y ÷ 0,16

• Jalur X
3
ke Y

X
3
Y ÷ 0,28
------------------------------------------------------------------------------
Bab 10
------------------------------------------------------------------------------
Contoh 38

Terdapat regresi sebagai berikut

X
1

Y
X
2

X
3

Hitung efek total X
1
ke Y, X
2
ke Y, X
3
ke Y

Contoh 39

Terdapat regresi

X
2
= 0,52 X
1

X
3
= 0,31 X
1
+ 0,28 X
2

X
4
= 0,02 X
1
+ 0,22 X
2
+ 0,43 X
3

Y = ÷ 0,01 + 0,12 X
2
+ 0,40 X
3
+ 0,21 X
4


Hitung efek total X
1
Y, X
2
Y, X
3
Y, X
4
Y
0,062
÷0,039
÷0,004
÷0,7
÷0,26
0,33

-----------------------------------------------------------------------------Bab 10 ------------------------------------------------------------------------------

Bab 10 KORELASI DAN REGRESI GANDA
A. Pendahuluan 1. Koefisien Korelasi

• Ada berbagai macam koefisien korelasi bergantung kepada skala data dan kepada banyaknya variabel
• Korelasi di antara dua variabel dikenal sebagai korelasi sederhana (linier dan taklinier) • Korelasi di antara lebih dari dua variabel dikenal sebagai korelasi ganda (linier dan taklinier) • Hanya korelasi linier yang dibahas di sini

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->