TUGAS STATISTIKA

UJI KORELASI, REGRESI, DAN CHI-SQUARE

DISUSUN :
1.
2.
3.
4.
5.
6.
7.

IKA SAFITRI RACHMAWATI

THERESIA ALDAMAI
ERDI SOFYANDRA ADIKRI
IKMAL
SAFETYANA NAZARETHA.S
ARJUNA P. NAINGGOLAN
TIARA RIZQIAH

3334150023
3334150014
3334150049
33341500
3334150017
333414
33341500

TEKNIK METALURGI
FAKULTAS TEKNIK
UNIVERSITAS SULTAN AGENG TIRTAYASA
CILEGON BANTEN
2016
UJI KORELASI, REGRESI DAN CHI-SQUARE

1. Regresi
Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Analisis
regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan penggunaan yang
saling melengkapi dengan bidang pembelajaran mesin. Analisis ini juga digunakan untuk
memahami variabel bebas mana saja yang berhubungan dengan variabel terikat, dan untuk
mengetahui bentuk-bentuk hubungan tersebut.
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebabakibat antara satu variabel dengan variable (variabel) yang lain. Variabel "penyebab" disebut
dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen,
atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau
sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen,
variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random),
namun variabel yang dipengaruhi harus selalu variabel acak.
Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton
menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi memiliki anak-anak
yang tinggi, orang tua yang pendek memiliki anak-anak yang pendek pula. Kendati demikian. Ia
mengamati bahwa ada kecenderungan tinggi anak cenderung bergerak menuju rata-rata tinggi
populasi secara keseluruhan. Dengan kata lain, ketinggian anak yang amat tinggi atau orang tua
yang amat pendek cenderung bergerak kearah rata-rata tinggi populasi. Inilah yang disebut
hokum Golton mengenai regresi universal. Dalam bahasa galton, ia menyebutkan sebagai regresi
menuju mediokritas.
Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh temannya Karl
Pearson, yang mengumpulkan lebih dari seribu catatan tinggi anggota kelompok keluarga. Ia
menemukan bahwa rata-rata tinggi anak laki-laki kelompok ayah (yang) pendek lebih besar dari
pada tinggi ayah mereka, jadi mundurnya (regressing) anak laki-laki yang tinggi maupun
yang pendek serupa kea rah rata-rata tinggi semua laki-laki. Dengan kata lain Galton, ini adalah
kemunduran kea rah sedang.
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel
dependen (terikat) dengan satu atau lebih variabel independent (variabel penjelas/bebas), dengan
tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau niiai rata-rata variabel
dependen berdasarkan nilai variabe! independen yang diketahui. Pusat perhatian adalah pada
upaya menjelaskan dan mengevalusi hubungan antara suatu variabel dengan satu atau lebih
variabel independen.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variable independent.
Koefisien ini diperoleh dengan cara memprediksi nilai variable dependen dengan suatu
persamaan. Koefisien regresi dihitung dengan dua tujuan sekaligus : Pertama, meminimumkan
penyimpangan antara nilai actual dan nilai estimasi variable dependen; Kedua, mengoptimalkan

korelasi antara nilai actual dan nilai estimasi variable dependen berdasarkan data yang ada.
Teknik estimasi variable dependen yang melandasi analisis regresi disebut Ordinary Least
Squares (pangkat kuadrat terkecil biasa).

2. Korelasi
Korelasi adalah salah satu teknik statistik yang digunakan untuk mencari hubungan antara dua
variable atau lebih yang bersifat kuantitatif. Hubungan dua variable tersebut dapat terjadi karena
adanya hubungan sebab akibat dapat juga karena kebetulan saja. Dua variabel dikatakan
berkolerasi apabila perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang
lain secara teratur, dengan arah yang sama atau berlawanan.
Dari sekian banyak teknik-teknik pengukuran asosiasi/hubungan, terdapat dua teknik korelasi
yang sangat popular sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi
Rank Spearmen. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti
Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari
dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau
rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data
nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi
mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai
koefisien korelasi positif; sebaliknya jika nilai koefisien korelasi negatif, korelasi disebut tidak
searah. Yang dimaksud dengan koefisien korelasi ialah suatu pengukuran statistik kovariasi atau
asosiasi antara dua variabel. Jika koefisien korelasi diketemukan tidak sama dengan nol (0),
maka terdapat ketergantungan antara dua variabel tersebut. Jika koefisien korelasi diketemukan
+1, maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna
dengan kemiringan (slope) positif. Jika koefisien korelasi diketemukan -1, maka hubungan
tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan
(slope) negative.
Arah hubungan antara dua variabel (direction of correlation) dapat dibedakan menjadi:
1.

Direct Correlation (Positive Correlation)

Perubahan pada salah satu variabel diikuti oleh perubahan variabel yang lain secara teratur
dengan arah/gerakan yang sama. Kenaikan nilai variabel X selalu diikuti kenaikan nilai variabel
Y dan sebaliknya turunnya nilai variabel X selalu diikuti turunnya nilai variabel Y.
2.

Inverse Correlation (Negative Correlation)

Perubahan pada salah satu variabel diikuti oleh perubahan variabel yang lain secara teratur
dengan arah/gerakan yang berlawanan. Kenaikan nilai variabel X selalu diikuti turunnya nilai
variabel Y dan sebaliknya turunnya nilai variabel X selalu diikuti naiknya nilai variabel Y.
3.

Korelasi Nihil (Tidak Berkorelasi)

Kenaikan nilai variabel yang satu kadang-kadang disertai turunnya nilai variabel yang lain atau
kadang-kadang diikuti naiknya nilai variabel yang lain. Arah/gerakan hubungannya tidak teratur,
kadang-kadang dengan arah yang sama, kadang-kadang berlawanan.
3. Chi-Square
Uji chi-square adalah salah satu uji statistic non parametik yang cukup sering digunakan dalam
penelitian. Uji chi-square ini bias diterapkan untuk pengujian kenormalan data, pengujian data
yang berlevel nominal atau untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chisquare diterapkan pada kasus dimana akan diuji apakah frekuensi yang akan di amati (data
observasi) bebeda secara nyata ataukah tidak dengan frekuensi yang diharapkan (expected
value). Chi-square Test atau Uji Chi-square adalah teknik analisis yang digunakan untuk
menentukan perbedaan frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi
harapan (Ei) suatu kategori tertentu. Uji ini dapatdilakukan pada data diskrit atau frekuensi.
Pengertian chi square atau chi kuadrat lainnya adalah sebuah uji hipotesis tentang
perbandingan antara frekuensi observasi dengan frekuensi harapan yang didasarkan oleh
hipotesis tertentu pada setiap kasus atau data (diktat 2009). Chi kuadrat adalah pengujian
hipotesis tentang perbandingan antara frekuensi sampel yang benarbenar terjadi
(Haryono,1994). Chi kuadrat biasanya di dalam frekuensi observasi berlambangkan dengan
frekuensi harapan yang didasarkan atas hipotesis dilambangkan . Ekspresi matematis tentang
distribusi chi kuadrat hanya tergantung pada suatu parameter, yaitu derajat kebebasan (d.f.).
Chi kuadrat mempunyai masingmasing nilai derajat kebebasan, yaitu distribusi (kuadrat
standard normal) merupakan distribusi chi kuadrat dengan d.f. = 1, dan nilai variabel tidak
bernilai negative. Kegunaan dari chi square untuk menguji seberapa baik kesesuaian diantara
frekuensi yang teramati dengan frekuensi harapan yang didasarkan pada sebaran yang akan
dihipotesiskan, atau juga menguji perbedaan antara dua kelompok pada data dua kategorik untuk
dapat menguji signifikansi asosiasi dua kelompok pada data dua katagorik tersebut (Sri,1990).
Syarat agar uji Chi-Square dapat digunakan adalah jumlah sel yang nilai espektasinya
kurang dari 5 tidak lebih dari 20 % dari sel yang ada.Namun apabila hal ini terjadi SPSS akan
memberikan peringatan dan anda harus menggunakan uji chi-square dengan koreksi.Jika hal ini
terjadi pada tebel 2 baris dan 2 kolom,sebaiknya anda menggunakan uji eksak dan Fisher yang di
tampilkan pada bagian bawah table uji statistik.
Contoh Kasus :

Terdapat data pendapatan per kapita dan pengeluaran konsumsi rumah tangga dalam 1 bulan
terakhir. Kami ingin menguji apakah ada hubungan antara pendapatan per kapita dengan
pengeluaran serta bagaimana hubungan antara keduanya. Adapun data adalah sebagai berikut
:

Keterangan : Pendapatan dan Pengeluaran dalam satuan Ribu Rupiah