LANDASAN TEORI
2.1. Korelasi
Menurut Usman (2006), korelasi adalah istilah statistik yang menyatakan
derajat hubungan linier antara dua variabel atau lebih, yang ditemukan oleh Karl
Pearson pada awal 1900 oleh sebab itu terkenal dengan sebutan Korelasi Pearson
Product Moment (PPM). Korelasi adalah salah satu teknik analisis statistik yang
paling banyak digunakan oleh banyak peneliti karena peneliti pada umumnya
terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya.
Variabel pada korelasi terdiri dari dua jenis yaitu, variabel bebas dan
variabel terikat. Variabel bebas (independent variable) adalah variabel yang nilai-
nilainya tidak bergantung pada variabel lainnya, biasanya disimbolkan dengan X.
Variabel itu digunakan untuk meramalkan atau menerangkan nilai variabel yang
lain. Variabel terikat (dependent variable) adalah variabel yang nilai-nilainya
bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu
merupakan variabel yang diramalkan atau diterangkan nilainya (Hasan, 2001).
II-1
II-2
n X 1Y X 1 . Y
r Y .1 (n X 1 ( X 1 ) 2 )( n Y 2 ( Y ) 2 )
2
6 d 2
r 1
S
n3 n
Keterangan:
rs = koefisien korelasi rank Sperman
d = selisih ranking X dan Y
n = banyaknya pasangan data
3. Koefisien Korelasi Rank Kendall
Koefisien korelasi rank kendall merupakan pengembangan dari koefisien
korelasi rank spearman, disimbolkan dengan “ ” (tau). Koefisien korelasi
ini digunakan pada pasangan variabel atau data X dan Y dalam hal
ketidaksesuaian rank, yaitu untuk mengukur ketidakteraturan. Koefisien
korelasi rank kendall dirumuskan:
S CD
1 1
N N 1 N N 1
2 2
II-4
Keterangan:
S = Statistik untuk jumlah konkordansi dan diskordansi
C = Banyaknya pasangan konkordansi
D = Banyaknya pasangan diskordansi
N = jumlah pasangan X dan Y
4. Koefisien Korelasi Kontingensi
Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan antara
dua variabel yang datanya berbentuk data nominal (data kualitatif).
Disimbolkan dengan C dan dirumuskan:
x2
C
x2 n
Keterangan:
x2 = kai kuadrat
n = jumlah semua frekuensi
5. Koefisien Determinasi (R)
Apabila koefisien korelasi dikuadratkan akan menjadi koefisien determinasi,
yang artinya penyebab perubahan pada variabel Y yang datang dari variabel
X, sebesar kuadrat koefisien korelasinya. Koefisien ini menjelaskan besarnya
pengaruh nilai suatu variabel (variabel X) terhadap naik/turunya (variasi) nilai
variabel lainnya (variabel Y) dirumuskan:
KP R KK .100%
2
KP R r 2 .100%
Besarnya angka korelasi disebut koefisien korelasi dinyatakan dalam r, fungsi dari
korelasi PPM adalah:
1. Menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu
dengan yang lainnya.
2. Menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang
dinyatakan dalam persen.
KPBy .1.2
r y .1
1 r1.2
2
r y .1
R y .1.2
1 r1.2
2
variabel, ada tiga koefisien korelasi parsial untuk hubungan yang melibatkan
tiga variabel yaitu:
a. Koefisien korelasi parsial antara Y dan X1, apabila X2 konstan
r r y .2 . r1.2
y .1
R y1.2
1 r y .2 1 r1.2
2 2
r r y .1 . r 2.1
y .2
R y 2.1
1 r y .1 1 r 2.1
2 2
2.2. Regresi
Menurut Walpole (1995), persamaan regresi adalah persamaan matematik
yang memungkinkan kita meramalkan nilai-nilai suatu peubah tak bebas dari
nilai-nilai satu atau lebih peubah bebas.
Menurut Hasan (1999), regresi merupakan peramalan, penaksiran, atau
pendugaan mengenai besar nilai dari uji statistik, dalam kehidupan ini setiap
manusia berhadapan dengan berbagai gejala yang meliputi berbagai variabel.
Sebagai contoh berat badan dalam taraf tertentu tergantung pada tinggi badannya,
produktivitas kerja pada taraf tertentu tergantung pada efisiensi dan efektivitas
kerjanya, produksi padi dalam taraf tertentu tergantung pada kesuburan tanah,
teknologi yang dipakai, banyak curah hujan, dan sebagainya.
II-7
∑ Xi ∑ Yi ∑ XiYi ∑ Xi2 ∑ Yi 2
a
i i i i i
n X X
2 2
i i
Jika slope sudah dihitung lebih dahulu, maka intercept dihitung dengan
rumus:
a Y bX
6. Memasukkan nilai intercept dan slope ke dalam persamaan regresi:
Y a bX
7. Menguji signifikansi dan linieritas persamaan regresi tersebut dengan
menggunakan tabel penolong yang disebut tabel Analisys of Varians (Anova).
8. Mengisi rumus-rumus berdasarkan hasil perhitungan.
9. Menentukan kriteria untuk pengujian H0 yaitu:
H0 : signifikan
Ha : tidak signifikan
II-10
(Y Y ') 2
S y/ x S y.x S e n2
Atau
( X Y ' ) 2
S x/ y S x. y S e n2
Keterangan:
Sy/x = Sx/y = selisih taksir standar
Y =X = nilai variabel sebenarnya
Y’ = X’ = nilai variabel yang diperkirakan
n = jumlah frekuensi
Y a b1 X t b2 X t 1 et
Keterangan:
Y = konsumsi X = pendapatan
3. Multikolinearitas, yang berarti antara variabel bebas yang satu dengan
variabel bebas yang lain dalam model regresi saling berkolerasi linier.
II-12
2 f0 fe
2
fe
Keterangan:
f0 : Frekuensi observasi
fe : Frekuensi harapan
Uji kecocokan derajat kebebasan (degree of freedom, d.f.) sama dengan
jumlah kategori dikurangi jumlah estimator parameter yang didasarkan pada
sampel dan dikurang 1, jika dirumuskan menjadi:
d. f . k m 1
Keterangan:
k : jumlah kategori data sampel
m : jumlah nilai-nilai parameter yang diestimasi
Jika Hipotesis nol menyatakan bahwa frekuensi-frekuensi observasi di
distribusikan sama dengan frekuensi harapan, tidak ada parameter estimator
sehingga nilai m = 0.
H1 : P1 ≠ P2 ≠ P3 ≠ …(≠ P)
2. Menentukan taraf nyata (α) dan 2 tabel
Taraf nyata (α) dan χ 2 tabel di tentukan dengan derajat bebas (db) = K – 1
2
( k 1)
2
2
k n ij eij
2
0
i 1 j 1 eij
Keterangan:
nij : Frekuensi pengamatan (observasi)
eij : Frekuensi harapan (teoritis)
i : 1,2
j : 1,2,3,4,5 …
5. Membuat kesimpulan
Menyimpulkan Ho diterima atau ditolak, dengan membandingkan nilai dari
uji statistiknya (langkah ke-4) dengan kriteria pengujiannya (langkah ke-3).
sangat baik, sedang, dan buruk atau setuju, tidak setuju, dan blanko atau
sangat sulit, sulit, sedang, dan mudah, pada dasarnya, langkah-langkah
pengujian hipotesis lebih dari dua kategori sama dengan pengujian hipotesis
dua kategori.
3. Statistik:
2
1
O1 E1 2 ; 1...K
E1
Keterangan:
O1 : frekuensi observasi kategori i
E1 : frekuensi harapan kategori i
4. Jika frekuensi observasi dan frekuensi harapan tidak jauh berbeda, maka O1 -
E1 kecil sehingga χ 2 juga kecil dan sebaliknya, sehingga semakin besar χ 2
makin besar pula kemungkinan kedua frekuensi berbeda sehingga Ho ditolak.
5. Metode:
a. Hitung frekuensi harapan kategori I sesuai dengan Ho.
b. Untuk setiap kategori, kurangkan frekuensi observasi dengan frekuensi
harapan dan kuadratkan hasilnya, kemudian bagi dengan frekuensi
harapan.
c. Jumlahnya untuk setiap kategori untuk mendapatkan nilai χ 2 .
6. Keputusan:
Distribusi sampling χ 2 berdistribusi chi-square dengan derajat bebas db = k -
2. Dengan formula:
s
Sx
n
Didapat:
s sx n
Kemudian, kesalahan baku dari rata-rata yang dihitung di atas dapat
digunakan untuk mengestimasi varian populasi dari mana sampel diambil.
Estimasi varian populasi ini disebut kuadrat rata-rata diantara kelompok-
kelompok (mean square between groups: MSB).
3. Menghitung varian secara terpisah di dalam masing-masing kelompok sampel
dan berkaitan dengan masing-masing rata-rata kelompok. Kemudian
menyatukan nilai-nilai varian yang tertimbang (n-1) untuk masing-masing
sampel. Prosedur tertimbang untuk varian ini adalah perluasan dari prosedur
untuk mengkombinasi dan menimbang dua varian sampel. Hasil estimasi
II-18
MSB
Fα;df1 ;df2
MSW
Xik μ α k eik
Keterangan:
μ = rata-rata keseluruhan dari semua k populasi klasifikasi.
Nilai dugaan ini bersifat tak biasa, baik hipotesis nol benar atau salah, melihat
bahwa ragam seluruh data tanpa memperhatikan pengelompokannya yang
mempunyai tabel sebagai berikut:
Tabel 2.1 Ringkasan Analisa Varian
Sumber Derajat Kuadrat rata-
Jumlah derajat fhit
keragaman kebebasan rata
Nilai tengah JKK k–1 JKK
S 12
kolom k 1 S 12
f
S 22
Galat/Error JKE k (n – 1) JKK
S 22
k (n 1)
Total JKT (k–1) + K (n–1)
Selain menggunakan tabel anova, analisis varian dapat juga dilakukan secara
langsung dengan menggunakan langkah-langkah berikut.
1. Menentukan rata-rata sampel (rata-rata kolom).
2. Menentukan varians sampel.
3. Menentukan rata-rata varians sampel.
4. Menentukan varians rata-rata sampel.
n ( varian rata data sampel )
Fo
rata rata varian sampel
T i
2
T 2 ..
JKK = i 1
Untuk ukuran sampel yang sama banyak
n nk
JKE = JKT – JKK
k = kolom, n = baris
k
T 2 ..
n
JKT = x 2
ij
i 1 j 1 N
k
T i
2
T 2 ..
JKK = i 1
Untuk ukuran sampel yang tidak sama
ni N
JKE = JKT – JKK banyak
Derajat bebas error = N-k
N = jumlah sampel
5. Membuat kesimpulan.
perlu dibuktikan atau dugaan yang sifatnya masih sementara. Hipotesis statistik
adalah pernyataan atau dugaan mengenai keadaan populasi yang sifatnya masih
sementara atau lemah kebenarannya. Hipotesis statistik dapat berbentuk suatu
variabel, seperti binomial, poisson, dan normal atau nilai dari suatu parameter,
seperti rata-rata, varians, simpangan baku, dan proporsi.
Pengujian hipotesis adalah suatu prosedur yang akan menghasilkan suatu
keputusan, yaitu keputusan menerima atau menolak hipotesis itu, dalam pengujian
hipotesis keputusan yang dibuat mengandung ketidakpastian artinya keputusan
bisa benar atau salah, sehingga menimbulkan resiko, besar kecilnya resiko
dinyatakan dalam bentuk probabilitas (Hasan, 2001).
Dengan:
µ = Rata-rata keseluruhan tanpa memperhatikan banyaknya klasifikasi
βj = Efek klasifikasi j dalam dimensi B (baris)
αk = Efek klasifikasi k dalam dimensi A (kolom)
ejk = Kesalahan random sehubungan dengan proses sampling
ιjk = Efek interaksi diantara klasifikasi j (dari faktor B) dan klasifikasi k (dari
faktor A).