Formula Koefisien Korelasi

Koefisien Korelasi:

r=

( x x)( y y) [ ( x x ) ][ ( y y ) ]
2 2

atau:

r=
dimana:

[n( x 2 ) ( x )2 ][n( y 2 ) ( y )2 ]

n xy x y

r = koefisien korelasi n = ukuran sampel x = nilai var bebas y = nilai var terikat

Contoh Kasus
Tinggi Tabung y 35 49 27 33 60 21 45 51 =321 Diameter Tabung x 8 9 7 6 13 7 11 12 =73 xy 280 441 189 198 780 147 495 612 =3142 y2 1225 2401 729 1089 3600 441 2025 2601 =14111 x2 64 81 49 36 169 49 121 144 =713

Contoh Perhitungan
Tinggi y
70 60 50 40 30 20 10 0 0 2 4 6 8 10 12 14

r=

[n( x 2 ) ( x)2 ][n( y 2 ) ( y)2 ] 8(3142) (73)(321) [8(713) (73) 2 ][8(14111) (321) 2 ]

n xy x y

= 0.886
r = 0.886 hubungan linier positif relatif kuat antara var x dan y

Diameter, x

Uji Signifikansi untuk Korelasi

Hipotesis H0: = 0 HA: 0 Uji Statistik (tak ada korelasi) (ada korelasi)

t=

r
2
(dgn n 2 der. kebebasan)

1 r n2

Lanjutan
Apakah hub. Linier antara diameter dan tinggi tabung cukup signifikan pada taraf. signifikansi 0,05?

H0: = 0 (tak berkorelasi) H1: 0 (ada korelasi)

=.05 , df = 8 - 2 = 6 r .886 t= = = 4.68 1 r 2 1 .886 2 n2 82

Solusi
t= r 1 r 2 n2 = .886 1 .886 2 82 = 4.68
Keputusan: Tolak H0 Kesimpulan: Ada hubungan linier pada taraf signifikansi 5%

d.f. = 8-2 = 6 /2=.025 /2=.025

Reject H0

-t/2 -2.4469

Do not reject H0

t/2 2.4469

Reject H0

4.68

RLS Populasi
y
Observed Value of y for xi Predicted Value of y for xi Intercept = 0

y = 0 + 1x +
i
Random Error for this x value Slope = 1

xi

Penaksiran Model RLS (sampel)

Estimated (or predicted) y value Estimate of the regression intercept

Estimate of the regression slope Independent variable

y i = b0 + b1x

The individual random error terms ei have a mean of zero

Persamaan RLS
Rumus Mencari b1 dan b0 :
b1

( x x )( y y ) = (x x)
2

atau:

b1 =

x y xy
n ( x ) 2 x2 n

dan

b0 = y b1 x