DISUSUN OLEH :
1
A. KORELASI DAN REGLESI SEDERHANA
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 hukum Golton mengenai regresi universal. Dalam bahasa galton, ia
menyebutkan sebagai regresi menuju mediokritas.
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.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk
mengukur kekuatan hubungan antara dua variabel.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel
mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y
secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara
kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan
variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel
pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi
dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja
merupakan variabel Y.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan
hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien
korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.
Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau
dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila
1
perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang lain secara
teratur dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif).
Contoh Soal 1.
Suatu penelitian dilakukan utk mengetahui seberapa besar pengaruh pemberian pupuk N
terhadap berat kering tanaman tertentu.
Untuk keperluan penelitian ini dilakukan percobaan dgn memberikan pupuk N kepada
tanaman tersebut dengan dosis N/Tan :
X : 0 10 20 30 40 50 60
Dari hasil penelitian yang dilakukan diperoleh data berat kering tanaman (gr/Tan) sebagai
berikut :
Y = 2,1 57 2,482 2,740 2,835 3,277 3,415 3,762
Dari data tersebut diatas :
a.Tentukanlah persamaan regresi liniernya
b.Hitunglah koefisien korelasinya, jelaskan apa artinya.
c.Uji apakah r signifikan pada tingkat kesalahan () = 5 %
d.Uji apakah pupuk N berpengaruh terhadap berat kering tanaman
pada tkt kesalahan () = 5 %
Jawab :
No. Xi Yi Xi² XiYi Yi²
1. 0 2,457 0 0 6,0368
2. 10 2,482 100 24,82 6,1603
3. 20 2,740 400 54,80 7,5076
4. 30 2,835 900 85,05 8,0372
5. 40 3,277 1600 131,08 10,7387
6. 50 3,415 2500 170,75 11,6622
7. 60 3,762 3600 225,72 14,1526
Σ 210 20,968 9100 692,22 64,2954
b = Σ XiYi – (ΣXi)(ΣYi)/n
ΣXi² - (Σxi)² /n
b = 692,22 – 210 x 20,968/7
9100 – (210)²/7
b = 0,02256
a = ΣY/n – bΣX/n → a = 20,968/7 – 0,02256. 210/7
a = 2,3186
Persamaan regresinya : yi = 2,3186 + 0,02256 xi 0,02256 xi artinya : jika tanaman
diberi pupuk N sebesar dosis 10/tan akan mengakibatkan berat kering tanaman bertambah
sebesar 0,02256 gr
2
rxy = 0,97 → artinya hubungan antara x dan y
adalah sebesar 97 %
Koefisien determinasinya (KD) :
r²xy = ( 0,97 )² = 0,94 artinya besarnya sumbangan
(kontribusi) naik turunnya berat kering tan. sebesar
94 % dipengaruhi pupuk N sedangkan 6 % yang
lain dipengaruhi faktor yang lain.
b. Uji apakah koefien korelasinya signifikan pada tingkat kesalahan
() = 5 %.
Hipotesis :
Ho : = 0 ttabel = t(1-0,05),(7-2)
H1 : = t(0,95,5) = 2,02
thitung = r n – 2 oleh karena thitung ttabel
1 - r² atau 2,02 1,90 maka Ho
thitung = 0,97 7 – 2 ditolak dan H1 diterima
1 – 0,94 kesimpulan : Ada hubungan
thitung = 2,29 yang erat antara X danY
pada tkt kesalahan 5 %.
C. Ho : = 0 kriteria uji : Jika thitung ≤ ttabel
H1 : 0 maka Ho diterima dan H1 ditolak
thitung = bi / Sbi Jika thitung ttabel maka Ho ditolak
H1 diterima.
Contoh Soal 2
Seorang mahasiswa melakukan survai untuk meneliti apakah ada korelasi antara nilai
statistik dengan nilai ekonometrika, untuk kepentingan penelitian tersebut diambil 10
mahasiswa yang telah menempuh mata kuliah statistika dan ekonometrik. Sebaran data
diperoleh sebagai berikut :
3
Statistik 9 6 5 7 4 3 2 8 7 6
Ekonometrik 8 7 6 8 5 4 2 9 8 6
Dari data tersebut diatas uji apakah terdapat korelasi yg positif antara kemampuan mahasiswa
dalam memahami ilmu statistika dan ilmu ekonometrika pada tingkat kesalahan 5 %.
Jawab :
Hipotesis
Ho : Tidak terdapat korelasi positif antara kemampuan
mahasiswa dalam memahami ilmu statistika dan
ilmu ekonometrika.
H1 : Terdapat korelasi positif antara kemampuan
mahasiswa dalam memahami ilmu statistika dan
ilmu ekonometrika.
Kriteria uji
Ho diterima Jika t hitung ≤ ttabel (, n-2)
H1 diterima Jika thitung > ttabel (, n-2)
2
N X1 X2 Rank X1Rank X2 d d
1 9 8 1 3 -2 4
2 6 7 5.5 5 0.5 0.25
3 5 6 7 6.5 0.5 0.25
4 7 8 3.5 3 0.5 0.25
5 4 5 8 8 0 0
6 3 4 9 9 0 0
7 2 2 10 10 0 0
8 8 9 2 1 1 1
9 7 8 3.5 3 0.5 0.25
10 6 6 5.5 6.5 -1 1
Jlh 7
Oleh karena : thitung (9,697) > t tabel (1,86) maka Ho
ditolak dan H1 diterima.
Kesimpulan :
Terdapat korelasi positif antara kemampuan
mahasiswa dalam memahami ilmu statistika dan ilmu
ekonometrika pada tkt kesalahan 5 %.
4
B. KORELASI PRODUCT MOMENT
Korelasi Pearson atau sering disebut Korelasi Product Moment (KPM) merupakan alat uji
statistik yang digunakan untuk menguji hipotesis asosiatif (uji hubungan) dua variabel bila
datanya berskala interval atau rasio. KPM dikembangkan oleh Karl Pearson (Hasan, 1999).
KPM merupakan salah satu bentuk statistik parametris karena menguji data pada skala
interval atau rasio. Oleh karena itu, ada beberapa persyaratan untuk dapat menggunakan
KPM, yaitu :
Fungsi KPM sebagai salah satu statistik inferensia adalah untuk menguji kemampuan
generalisasi (signifikasi) hasil penelitian. Adapun syarat untuk bisa menggunakan KPm selain
syarat menggunakan statistik parameteris, juga ada persyaratan lain, yaitu variabel
independen (X) dan variabel (Y) harus berada pada skala interval atau rasio.
Nilai KPM disimbolkan dengan r (rho). Nilai KPM juga berada di antara -1 < r < 1. Bila nilai
r = 0, berarti tidak ada korelasi atau tidak ada hubungan anatara variabel independen dan
dependen. Nilai r = +1 berarti terdapat hubungan yang positif antara variabel independen dan
dependen. Nilai r = -1 berarti terdapat hubungan yang negatif antara variabel independen dan
dependen. Dengan kata lain, tanda “+” dan “-“ menunjukkan arah hubungan di antara
variabel yang sedang diopersionalkan.
Uji signifikansi KPM menggunakan uji t, sehingga nilai t hitung dibandingkan dengan nilai t
tabel. Kekuatan hubungan antarvariabel ditunjukkan melalui nilai korelasi. Berikut adalah
tabel nilai korelasi beserta makna nilai tersebut :
Nilai Makna
0,00 – 0,19 Sangat rendah / sangat lemah
0,20 – 0,39
0,40 – 0,59
0,60 – 0,79
0,80 – 1,00
Rendah / lemah
Sedang
Tinggi / kuat
Sangat tinggi / sangat kuat
5
Contoh SOAL:
Jadi,
𝑟𝑥𝑦= 𝑁.Σx.𝑦−(Σ𝑋)(Σ𝑌)√[𝑁.Σ𝑋2−(Σ𝑋)2] [𝑁.Σ𝑌2−(Σ𝑌)2]
𝑟𝑥𝑦= 10.(417,30)−(65,0 𝑥 63,8)√[10.(426)− (65,0)2] [10.(410,52)−(63,8)2]=
26√1216,6 𝑟𝑥𝑦=0,745
Korelasi product moment pada umumnya juga digunakan untuk menetapkan validitas butir
instrumen sikap dan karakteristik psikologi yang lain yang skor butirnya dianggap
mempunyai skala pengukuran interval.
C. Korelasi Spearman
Korelasi Spearman merupakan alat uji statistik yang digunakan untuk menguji hipotesis
asosiatif dua variabel bila datanya berskala ordinal (ranking). Nilai korelasi ini disimbolkan
dengan (dibaca: rho). Karena digunakan pada data beskala ordinal, untuk itu sebelum
dilakukan pengelolahan data, data kuantitatif yang akan dianalisis perlu disusun dalam bentuk
ranking.
Nilai korelasi Spearman berada diantara -1 < < 1. Bila nilai = 0, berarti tidak ada korelasi
atau tidak ada hubungannya antara variabel independen dan dependen. Nilai = +1 berarti
terdapat hubungan yang positif antara variabel independen dan dependen. Nilai = -1 berarti
terdapat hubungan yang negatif antara variabel independen dan dependen. Dengan kata lain,
tanda “+” dan “-“ menunjukkan arah hubungan di antara variabel yang sedang dioperasikan.
NILAI MAKNA
0,00 – 0,19 Sangat rendah/sangat lemah
6
0,40 – 0,59 Sedang
CONTOH SOAL
5. Berikut ini adalah data hubungan antara Nilai Ujian Tengah Semester (UTS) (X) dengan
nilai Ujian Akhir Semester (UAS) (Y) dari 12 responden :
X 12 13 14 15 16 16 14 20 17 11 12 18
Y 19 19 11 12 17 15 16 18 14 13 18 13
Buktikanlah hipotesis yang berbunyi “terdapat hubungan yang positif antara Nilai UTS dan
UAS” dengan menggunakan data tersebut!
Jawab :
X Y RX RY RX-RY (RX-RY)2
12 19 2,5 11,5 -9 81
13 19 4 11,5 -7,5 56,25
14 11 5,5 1 4,5 20,25
15 12 7 2 5 25
16 17 8,5 8 0,5 0,25
16 15 8,5 6 2,5 6,25
14 16 5,5 7 -1,5 2,25
20 18 12 9,5 2,5 6,25
17 14 10 5 5 25
11 13 1 3,5 -2,5 6,25
12 18 2,5 9,5 -7 49
18 13 11 3,5 7,5 56,25
∑b = 334
Untuk itu, karena nilai hitung ρ < tabel, maka H0 diterima. Kesimpulannya adalah hipotesis
yang berbunyi : “tidak terdapat hubungan antara nilai UTS dan UAS” diterima.
D. KORELAI KENDALL
Korelasi Kendall Tau merupakan statistik nonparametrik. Korelasi ini digunakan pada data
sama seperti data yang digunakan pada korelasi spearman yaitu sekurang-kurangnya data
ordinal. Simbol yang biasa digunakan pada ukuran populasinya adalah (tau) dan ukuran
sampelnya adalah T . Formula T adalah sebagai berikut:
dimana:
S adalah total skor seluruhnya (grand total), yang merupakan jumlah skor urutan
7
kewajaran pasangan data pada salah satu variabel. Jika urutan ranking wajar diberi skor
+1, jika urutan ranking tdk wajar diberi skor –1. N adalah banyaknya pasangan ranking.
Pada contoh ini, ranking pada variabel X yang diurutkan sehingga ranking pada variabel Y
mengikuti dan akan dicari nilai skor sebenarnya (S).
Penggunaan formula korelasi kendall T dapat dikoreksi jika data yang digunakan banyak
terdapat angka sama yang berarti juga mempunyai ranking yang sama (untuk angka sama,
ranking dirata-ratakan). Formula dikoreksi menjadi:
8
nilai dari T dan rs tidak sama, walaupun dihitung dari pasangan ranking yang sama, sehingga
kedekatan hubungan (asosiasi) variabel tidak bisa dibandingkan antara nilai T dan rs . nilai rs
biasanya lebih besar dari nilai T. namun demikian ada hubungan antara dua ukuran tersebut,
yaitu:
9
Sampai bertemu pada sesi tulisan yang lain, selamat menikmati statistik.
TABEL T (STUDENT)
Tabel t biasanya digunakan ketika varian populasi σ2 tidak diketahui dan ukuran sampel
kurang dari 30. Pada proses penghitungan, nilai rata-rata dan varian diperkirakan dari sampel.
Penentuan nilai pada tabel t menggunakan tingkat signifikansi (α) dan derajat bebas (v).
Pada kondisi ukuran sampel lebih besar dari 30, distribusi t-student akan mendekati distribusi
normal. Oleh karena itu jika kita tidak mempunyai tabel t yang menyediakan derajat bebas
lebih dari 30, maka tabel z distribusi normal bisa digunakan.
Di bawah ini disajikan tabel t untuk derajat bebas (v) 1 sampai dengan 30 dengan tingkat
signifikansi (α) 0.005, 0.01, 0.025, 0.05 dan 0.1. Tabel tersebut disajikan dalam bentuk
gambar (image). Tabel bisa di-download dalam format excel di halaman ini.
10
11
TABLE F FISHER
Seorang mahasiswa akan melihat pengaruh pemberian cairan pendingin
pada proses pemotongan di mesin CNC. 5 jenis cairan pendingin diberikan
pada 25 sampel. Pengaruh yang diukur adalah besar suhu yang terjadi
pada ujung alat potong.
Berikut ini adalah tabel hasil pengukuran ke-25 sampel tersebut.
Hipotesisnya adalah:
H0 : Kelima jenis cairan mempunyai pengaruh yang sama terhadap suhu
alat potong
H1 : Terdapat cairan pendingin yang memiliki pengaruh terhadap suhu
alat potong
df1
df2
1 2 3 4 ......
1
2
...
20 2,87
21
...
12
2. Gunakan SPSS untuk menghitung nilai F empiris
Cara : input data ke SPSS
selanjutnya pilih Analyze - Compare Means - One-Way
ANOVA
3. Pada window akan tampil seperti gambar berikut ini dan pilih suhu lalu
masukkan ke kotak Dependent List serta Cairan Pendingin pada
kotak
Factor. Lanjutkan dengan OK ....
13
4. Pada Output SPSS akan tampak tabel ANOVA seperti berikut ini
Dengan demikian nilai F berada disebelah kanan nilai kritis. Untuk lebih
jelasnya perhatikan kurva berikut ini
Tabel distribusi normal berisi peluang dari nilai Z atau P(Z ≤ z). Sebagaimana kita ketahui
bahwa nilai peluang akan selalu berada di antara 0 dan 1, sehingga nilai-nilai di dalam tabel
juga berada di antara 0 dan 1.
14
Gambar kurva berbentuk lonceng ini sebagai ilustrasi.
Gambar di atas adalah gambar kurva distribusi normal. Luas area di bawah kurva adalah 1.
Pada tabel Z, nilai yang ditulis adalah nilai yang diperoleh dari luas area sebelum z atau
nilai P(Z ≤ z).
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
5 -3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
6 -3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
7 -3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
8 -3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
9 -3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
10 -3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
11 -2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
12 -2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
13 -2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
14 -2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
15 -2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
16 -2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
17 -2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
18 -2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
19 -2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
20 -2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
21 -1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
22 -1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
23 -1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
24 -1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
25 -1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
26 -1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
27 -1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
28 -1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
29 -1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
30 -1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
31 -0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
32 -0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
33 -0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
34 -0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
35 -0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
36 -0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
37 -0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
38 -0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
39 -0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
40 -0.0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
15
TABEL RANK SPEARMAN
n = 0,05 = 0,01
4 1,000
5 0,900 1,000
6 0,829 0,943
7 0,714 0,893
8 0,643 0,833
9 0,600 0,783
10 0,564 0,746
12 0,506 0,712
14 0,456 0,645
16 0,425 0,601
18 0,399 0,564
20 0,377 0,534
22 0,359 0,508
24 0,343 0,485
26 0,329 0,465
28 0,317 0,448
30 0,306 0,432
16
Tabel R PRODUCT MOMENT
Untuk tahu bagaimana cara menggunakan tabel r kita pakai contoh berikut:
Kita meneliti dengan menggunakan sampel untuk uji kuesioner sebanyak 25 orang responden
dengan signifikansi 5%, dari sini di dapat nilai df=n-2, df=25-2=23. Cara membaca tabel r
nya, kita lihat tabel r product moment pada signifikansi 5%, didapatkan angka r tabel=
0,3961. Selanjutnya sobat hitung bandingkan nilai r yang di dapat dari tabel r dengan r hasil
perhitungan. Jika r ditabel r < r hasil hitungan, makan pernyataan itu valid.
17