Jenis korelasi:
1. Korelasi bivariat
2. Korelasi Berganda
3. Korelasi squensial
4. Korelasi kanonikal
Cov(X,Y)
r(X,Y) = r =
SX SY
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
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.
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:
Teladan:
5
Y = a + bX + e
Y a + bX .(1)
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
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
Teladan:
2
(Yi ) (Xi ) (yi ) (xi ) (xi yi ) ( xi )
Y 110 X 50
6800
b 2
3400
a 110 2(50) 10
Yi 10,0 2,0 X i
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:
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
r r2
Atau
Berddsarkan
0 JKS 1
0 r2 1
Buktikan:
1. b1 i
2
(Y Y )
r
( X i X )
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.
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
Var (b)
x 2
i
x 2
i x 2 2
1
x 2
1
2
x 2 2
1
2
Var(b)
x12
f(b)
2
95% var(b)=
x12
2,5% 2,5%
-t0,025 t0,025
12
F(b)=
b b
z
b
xi2
atau
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
s
= b t0,025
x 2
i
s
= a t0,025
n
##Peramalan##
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
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