Teknik korelasi didasarkan pada parametik dan nonparametik adalah sebagai berikut :
Statistik parametik :
a) Korelasi product moment (pearson)
b) Korelasi parsial
c) Korelasi ganda
Statistik non-parametik :
a) Rank spearman
b) Kendall tau
c) Koefisien kontingensi
Analisa korelasi (R) dalam statistika digunakan untuk menunjukkan besarnya keeratan
hubungan antara dua variabel acak yang masing-masing memiliki skala pengukuran minimal
interval dan berdistribusi bivariat, digunakan koefisien korelasi yang dirumuskan sebagai
berikut:
Catatan:
Nilai R berkisar antara (+1) sampai (-1)
R2xy =( r xy )2
Indeks determinasi yang diperoleh tersebut digunakan untuk menjelaskan
persentase variasi dalam variabel tidak bebas (Y) yang disebabkan oleh bervariasinya
variabel bebas (X). Hal ini untuk menunjukkan bahwa variasi dalam variabel tak bebas
(Y) tidak semata-mata disebabkan oleh bervariasinya variabel bebas (X), bisa saja variasi
dalam variabel tak bebas tersebut juga disebabkan oleh bervariasinya variabel bebas
lainnya yang mempengaruhi variabel tak bebas tetapi tidak dimasukkan dalam model
persamaan regresinya.
REGRESI
Analisis regresi digunakan untuk mempelajari dan mengukur hubungan statistik yang
terjadi antara dua atau lebih variable atau yang untuk mengetahui pengaruh suatu variabel
terhadap variabel lain. Dalam analisa regresi, suatu persamaan regresi hendak ditentukan dan
digunakan untuk menggambarkan pola atau fungsi hubungan yang terdapat antar variabel.
Data yang dianalisis dengan regresi merupakan data kuantitatif yang memiliki skala
pengukuran minimal interval.
Sedang garis regresi didefinisikan sebagai garis lurus yang ditarik dari titik titik
diagram pencar (scattered diagram) dari nilai variabel tergantung dan variabel bebas sehingga
garis tersebut menggambarkan hubungan linier antara variabel-variabel tersebut. Jika nilainilai ini merupakan garis regresi nilai baku maka garis ini sama dengan garis korelasi. Garis
ini disebut juga sebagai garis kecocokan yang sempurna dimana garis lurus tersebut berada
pada posisi terdekat pada titik-titik diagram pencar.
o Sumbu Y : Variabel terikat (variabel yang akan disestimasi nilainya)
o Sumbu X : Variabel bebas (variabel yang diasumsikan member pengaruh
terhadap variasi variabel terikat)
Jenis-jenis Persamaan Regresi:
a. Regresi Linier :
Regresi Linier Sederhana
Regresi Linier Berganda
b. Regresi Nonlinier
Regresi Eksponensial
i 1
i 1
i 1
n X iYi X i Yi
n
i 1
n X i2
X
i 1
a Y bX
Sehingga,
Contoh Soal:
Analisa kekuatan material refraktori berdasarkan kadar Silika.
No
X (kadar
silika)
(%)
Y (uji
kekera
san)
(BHN)
X2
Y2
XY
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
1050
50
54
61
67
69
66
72
75
79
74
82
84
89
93
94
91
90
97
99
101
1587
25
100
225
400
625
900
1225
1600
2025
2500
3025
3600
4225
4900
5625
6400
7225
8100
9025
10000
7175
0
20
2500
2916
3721
4489
4761
4356
5184
5625
6241
5476
6724
7056
7921
8649
8836
8281
8100
9409
9801
10201
1302
47
250
540
915
1340
1725
1980
2520
3000
3555
3700
4510
5040
5785
6510
7050
7280
7650
8730
9405
10100
9158
5
Asumsi:
Ho = Tidak ada hubungan antara kekuatan material dengan kadar Silica.
Ha = Ada hubungan antara kekuatan material dengan kadar Silica.
Jika probabilitas > 0,05 (significant 0.01 level), maka Ho diterima.
Jika probabilitas < 0,05 maka H1 diterima.
a. Perhitungan Manual
r=
20 ( 91585 )(1050)(1587)
r=
18317001666350
[ ( 1435000 )( 1102500)][ ( 2604940 )(2518569)]
r=
165350
[ 332500 ][ 86371 ]
r=
165350
169464.915
r=0,975
r 2=0,950=95
Artinya, variasi X (Kadar Silica) mempengaruhi variasi Y (kekuatan material refraktori)
sebanyak 95%.
b. Pengujian Korelasi Metode Pearson
Taraf nyata () = 5% = 0,05
Uji statistik = uji t
t=0,975
t=0,975
202
10,950
18
0,05
t=0,975 360
t=0,975 x 18,973
t=18,498 18,50
Catatan:
Uji t digunakan karena hanya terdapat dua variable, X dan Y. Jika terdapat lebih dari
dua variable maka digunakan uji f.
c. Menggunakan SPSS
ANALISA REGRESI
a. Secara Manual
Mencari nilai Y = a + bx
xy
x
y
n
b=
b=
20 ( 91585 )(1050)(1587)
2
20 ( 71750 ) (1050)
b=
18317001666350
14350001102500
b=
165350
332500
b=0,497
yb
a=
a=
15870,497(1050)
20
a=
1587521,85
20
a=
1065,15
20
a=53,257
Y =53,257+ 0,497 x