Korelasi

Hubungan asosiasi antara dua variabel atau lebih

Jenis korelasi:

1. Korelasi bivariat
2. Korelasi Berganda
3. Korelasi squensial
4. Korelasi kanonikal

Correlation coefficient (product moment correlation Coefficient, ,

dapat diestimasi dengan

Cov(X,Y)
r(X,Y) = r =
SX SY

Sx dab dab Sy adalah masing-aming varinasi untuk X dan Y dengan formulasi.

Sx
( X i X )2
n 1

Cov(X,Y)
r(X,Y) = r =
SX SY

(X
j 1
j X )(Y j Y )
Cov ( X , Y )
n 1

1
 n

(X
j 1
j Y j X j Y Y j X XY )

n 1

n n n

X
j 1
j Y j Y X j X Y j nXY )
j 1 j 1

n 1

X
j 1
j Y j Y nX XnY nXY )

n 1

X
j 1
j Y j nXY
Cov( X , Y )
n 1

(Xj 1
j X )(Y j Y )
r
n n

j 1
( X j X )2 (Y
j 1
j Y )2

Nilai -1 dan 1
-1 r 1

r = -1 r=1 r =0

2
 r=0 r 0,6

Contoh:
---------------------------------------------------------------------------------------------
X Y XY X2 Y2
---------------------------------------------------------------------------------------------
39 45
86 67
97 61
102 77
74 71
53 51
62 45
69 58
80 48
53 62
46 36

763 621 44891 57133 36639

Korelasi Kanonikal
Analisis korelasi kanonikal ialah suatu teknik statistik yang
digunakan untuk menentukan tingkatan asosiasi linear antara dua
perangkat variable, dimana masing-masing perangkat terdiri dari
beberapa variable
Analisis korelasi kanonikal digunakan untuk identifikasi dan
kuantifikasi hubungan antara dua himpunan variabel. Kekuatan
korelasi antara variabel yang tergabung dalam variat kanonikal
yang sama dinyatakan dalam varians bersama (shared variance),
sedangkan hubungan antara variat kanonikal yang berbeda
dinyatakan dalam indeks redundansi (redundancy index).

3
Interpretasi koefisien variat kanonikal, mencakup tiga besaran,
bobot kanonikal (canonical weights), muatan kanonikal (canonical
loadings) dan muatan - silang kanonikal (canonical cross -
loadings). Analisis dilengkapi dengan uji sensitivitas variabel.
Variabel yang diduga tidak memberi pengaruh dihapus dan nilai
besaran hasil analisis dibandingkan. Uji sensitivitas variabel bertujuan
menguji kestabilan fungsi linier yang dihasilkan.

Untuk menggunakan teknik analisis ini syarat-syarat yang harus dipenuhi diantaranya
ialah:

Variabel bebas terdiri dari lebih dari dua variable yang berskala interval.
Variabel tergantung terdiri dari lebih dari dua variable yang berskala
interval.
Hubungan antar variabel bebas dan tergantung bersifat linier. Artinya
semua variabel bebas mempengaruhi secara searah terhadap semua
variable tergantung, misalnya korelasi antara variable-variabel bebas
personalitas yang digunakan sebagai predictor dengan variable-variabel
tergantung yang digunakan sebagai kriteria bersifat searah. Jika nilai
variabel variable personalitas besar, maka nilai variable-variabel perilaku
berbelanja harus besar juga. Jika terjadi variabel variable personalitas
besar bernilai besar sedang nilai variable-variabel perilaku berbelanja
menjadi mengecil, maka hal ini berlawanan dengan asumsi linieritas.

Tidak boleh terjadi multikolinieritas pada masing-masing kelompok

variabel bebas dan variabel tergantung yang akan dikorelasikan.

Proses Korelasi Kanonikal:

Menentukan mana yang termasuk dalam kumpulan variabel dependen (set of
multiple dependent variable) dan mana yang termasuk dalam kumpulan
variabel independen (set of multiple independent variable)
Menurunkan beberapa Canonical Functions, yakni korelasi antara set
variabel dependen dengan set variabel independen.
Dari beberapa Canonical Functions yang terbentuk, akan diuji Canonical
Function yang mana yang bisa digunakan. Pengujian dilakukan dengan Uji

4
Signifikan, Canonical Relationship serta Redudancy Index.
Dari Canonical Functions yang digunakan, dilakukan interpretasi hasil
dengan menggunakan beberapa metode, seperti Canonical Weights,
Canonical Loadings atau Cross Canonical Loadings
Melakukan validasi atas hasil output tersebut. validasi biasanya dilakukan
dengan membagi dua bagian sampel, kemudian membandingkan kedua hasil
yang ada. Jika perbedaan hasil kedua sampel tidak besar, bisa dikatakan
korelasi kanonikal adalah valid.

Y11+Y12++Y1n = X11+X12++X1n
Y21+Y22++Y2n = X21+X22++X2n

Ym1+Ym2++Ymn = Xm1+Xm2++Xmn

Menguji Hipotesis:

Hipotesis:

Hipotesis nol Ho : = 0, tidak terdapat hubungan linear

Hipotesis Altenatif H1 : > 0, terdapat hubungan linear yang positif (
Uji satu arah)

Analisis Regresi Linear Sederhana

Teladan:

Pemakaian Pupuk Hasil Panen

(kg/ha) (kwintal/ha)
60 24
80 26
100 30
120 32
140 33

5
Y = a + bX + e

Y a + bX .(1)

Diagram Pencar Data

Penentuan Garis Regresi

1. ei (Yi Y ) (besar atau kecil nilainya)

atau
ei = Yi - Y . (1)

2. Pengambilan nilai mUtlah nilai ei kemiduan mrjmlhkan

3. Pemangkat Duakan nilai tersebut kemidian meminimumkan Penakrsiran Pangkat
2 terkecil.

ei = Yi - Y

6
1. K ei2 (Yi a bX i ) 2 .(2)

Syarat Perlu

K K
0
a b

K
a
2 (Y i a bX )(1) 0

K
b
2 (Y i a bX )( X i ) 0

atau

Y i na b Xi) 0
(3)

X Y a X
i i i b Xi 0
2

Peneyelesian secara simultan diperoleh:

b
X Y n X Y
i i i i

( X ) n X 2 2
i i

1
a
n
( Y i b X i) Y bX

atau

b
x y i i

x 2
i

7
dimana

xi X i X i
yi Yi Yi

Dengan menyelasiakan soal tersebut diatas diperoleh

Y 17 + 0,12X

Teladan:

Produksi Tenaga Kerja

(kg) (Jam Kerja)

2
(Yi ) (Xi ) (yi ) (xi ) (xi yi ) ( xi )

73 30 -37 -20 740 400

50 20 -60 -30 1800 900
128 60 18 10 180 100
170 80 60 30 1800 900
87 40 -23 -10 230 100
108 50 -2 0 0 0
135 60 25 10 250 100
69 30 -41 -20 820 400
148 70 38 20 760 400
132 60 22 10 220 100

1100 500 0 0 6800 3400

Y 110 X 50

6800
b 2
3400
a 110 2(50) 10

Yi 10,0 2,0 X i

Jadi jika X=55

Y 10,0 2,0(55) 120

Analisis varaians

Sumber JK df RK
Varaiasi

8
 Regresi JKR= 1 JKR
RKR
(Y i Y) 2
1
Kesalahan JKS=
n-2 RKS= JKS/(n-2)
(Yi Yi ) 2
Total JKT= n-1 RKT=
(Y i Y ) 2
JKT/(n-1)

Uji F untuk
Hipotesis Statistik:

H 0 : 1 0;
H1 : 2 0

RKR
F*
RKS

Uji Hipotesis:

Jika F * F (1 ;1, n 2) terima Ho

Jika F * F (1 ;1, n 2) terima H1

Uji F dan Uji t adalah Ekivalen

b1
t*
s (b1 )

2
*2 b
t 1 F*
s (b1 )

RKS
s 2 (b1 )
( X i X )2
atau
RKS
s (b1 )
(Xi X )

9
Hipotesis Statistik:

H 0 : 1 0;
H1 : 2 0

Jika t * t (1 / 2; n 2) terima Ho
Jika t * t (1 / 2; n 2) terima H1

Koefisien Determinasi (r2)

r r2

Atau

JKT JKS JKS

r2 1
JKT JKT

Berddsarkan

0 JKS 1

0 r2 1

Buktikan:

1. b1 i
2
(Y Y )
r
( X i X )

Apa arti r = 0 dihubungkan dengan garis regresi.

2. (Y i Y ) 2 = (Yi Y ) 2 + (Yi Yi ) 2 = (JKT = JKR+ JKS)

10
 4. Gunakan penterjemahan sumbu datar dan sumbu tegak untuk menghitung
nparameter a dan b.

1
5. Tumnjukkan E (a)
n
( xi ) =
Dan
2
var(a)
n

Peramalan
Salah satu keguaana regresi adalah peramalan. Peramalahan dalam hal ini adalah
penrmtuan nilai atau interval keyakinan bagi nilai Y yang diharapkan, yaitu E(Yo)
atau satu nilai Yo yang akn diamati pada x0 tertentu.

Niai-rata- hitung Penaksir

Jika diambil

Yi a bxi

a Y
Atau
1
a (Y1 Y2 Y3 ... Yn )
n

Sehingga

1
E (a) ( E (Y1 ) E (Y2 ) E (Y3 ) ... E (Yn ))
n

E (a)
E (Y )i

1
E (a)
n
( xi ) =
Dengan cara yang sama diperoleh

11
 1
var (a ) (var(Y1 ) var (Y2 ) var (Y3 ) ... var (Yn ))
n2
2
var(a)
n
Jadi a dapat dipakai sebagai penaksir bagi

Sekarang tunjukkan bahwa

Var (b)

Var (b) Var (

xY ) i i

x 2
i

Var (b) Var (

x Y ) x var(Y )
i i
2
1 i

x 2
i x 2 2
1

x 2
1
2

x 2 2
1

2
Var(b)
x12

Interval Keyakian bagi Pameter-parameter Regresi

f(b)

2
95% var(b)=
x12
2,5% 2,5%
-t0,025 t0,025

12
 F(b)=

Pemakuan dilakukan dengan mentrasformasikan varaibel rambang b kepada

varaiabel

b b
z
b
xi2

Probalitas bahwa nilai t berada pada interval anatar -t0,025 t

dan 0,025 adalah 95% atau

atau

Pr( -t0,025 < t < t0,025) =0,95

b
Pr( -t0,025 < s < t0,025) =0,95
xi2
s s
Pr( b - t0,025 < < b + t0,025 ) =0,95
x 2
i x 2
i

Interval keyakinan 95% bagi dan adalah masing-masing

s
= b t0,025
x 2
i

s
= a t0,025
n

##Peramalan##

A. Jangka Peramalan E(Y0)

13

Nilai rata-hitung penaksir Y0

E (Y0 ) E ( a bx0 )

E (Y0 ) E ( a ) x0 E (b) x0

Diketahui bahwa

x0 E (Y0 )
Sehingga

E (Y0 ) E (Y0 ) (tak bias)

var(Y0 ) var(a ) x02 E (b)
Dengan demikian diperoleh:

2 x02
2
2 1
var(Y0 ) ( / n) x0
2
( )
x2 n x2

2 umumnya tidak diketahui sehingga ditaksir dengan varians sampel

1 n
s2
n 2 i 1
(Yi a bxi ) 2

1 x02
E (Y0 ) Y0 t 0, 025 .s
n x2
Dari contoh soal, dengan meramalkan produksi pada jumlah jam kerja 75
berarti diketahui
x0 = 25

1 25 2
E (Y0 ) 160 3,182(2,7) (hitung sendiri)
10 3400
atau
..... E (Y0 ) ......

B. Jangka Peramalan Y0

14
Dibanding dengan peramalan E(Y0), kan terjadi kesalahan yang lebih besar
sebagaimana dilihat

1 x02
var(Y0 ) 2 (1 )
n x2
1 252
E (Y0 ) 160 3,182( 2,7) 1
10 3400

Atau

..... Y0 ......

15