PENDAHULUAN
A. LATAR BELAKANG
B. TUJUAN
2
dan
n X i2 X i
i i
n X i Yi X i Yi
b i i i
2
n X i2 X i
i i
Contoh 1
Uji ke- x Y
1 5 10
2 7 15
3 9 21
4 11 24
5 13 30
6 15 37
60 137
Jika berdasarkan kajian teoritis dan sifat dari fenomena yang menghubungkan x
dan y dapat diasumsikan mempunyai bentuk hubungan linier, maka persamaan
garis regresinya dapat ditentukan sebagai berikut.
Tabel perhitungan:
Uji ke- x y xy x2 y2
1 5 10 50 25 100
2 7 15 105 49 225
3 9 21 189 81 441
4 11 24 264 121 576
5 13 30 390 169 900
6 15 37 555 225 1369
60 137 1553 670 3611
a
x y x xy
2
n x x
2 2
a
670137 601553
6 137 60
2
a 3,309523
Sedangkan b
n xy x y
b
n x x
2 2
6 1553 60 137
b
6 137 60
2
b 2,614285714
^
x y
0 -3.31
1 -0.7
2 1.91
3 4.52
4 7.13
5 9.74
6 12.35
7 14.96
y 3,31 2,61 x
n n 2
(Yi Y .) 2 i Y . (Yi Y i)
i 1 i 1
n n
JK total = y
i 1
2
n
JK Regresi = b xy
x y
n
JK Galat = JK Total – JK REG
Untuk menetukan apakah garis regresi yang kita peroleh cukkup dapat
dipercaya maka kita dapat mengujinya dengan uji F seperi tabel sidik ragam
dibawah ini
Total n-1 JK T
KTR
Jika hasil hitungan yaitu F hitung ( )≥ dari F tabel (0,05; p,n-1-p)
KTG
maka dapat disimpulkan persamaan garis regresi nyata (P<0,05) bentuk
KTR
persamaannya seperti yang kita duga demikian pula jika F hitung ( )≥ dari F
KTG
tabel (0,05; p,n-1-p) maka dapat disimpulkan persamaan garis regresi sangat nyata
(P>0,05) atau dengan kata lain persamaaan garis regresi tersebut tidak bisa kita
terima sebagai penduga hubungan antara peubah (X) dengan Peubah (Y)..
Bila bentuk hubungan antar peubah X dengan peubah Y sudah dapat kita
terima maka kita ingin pula mengetahui seberapa besar keeratan
hubungannya(korelasinya). Walaupun bentuk hubungan antara peubah X dengan
peubah Y ada dalam bentuk yang benar belum tentu korelasinya bsar karena
banyak peubah lain yang turut mempengaruhi perubahan peubah Y.
Berdasarkan contoh pada soal diatas, kita akan menguji keberartian
koefisien regresinya :
JK Total y
n
2
y 2
i 1 n
3611
137 2
6
482, 33333
JK Re gresi
b xy
x y
n
2,614286 1553
60137
6
478,4143
Total 5 482,83333
Jadi dapat disimpulkan bahwa persamaan garis regresi yang diperoleh sangat
nyata (P<0,01) karena F hitung> F tabel pada taraf signifikansi 0,01
(289,89>8,29)
JKregresi 1692,652
Jadi r JKTotal 1797,750 0,9415
2
n n n n
Yi n Xi1 Xi 2 .......... ... Xip
n i 1 n i 1
n n
i 1
n
i 1
Xi1Yi Xi1Xip
i 1
i 1
Xi1 i 1
X i2 1 i 1
Xi1Xi 2 .......... ... i 1
n n n n n 2
Xi 2Yi Xi 2 Xi 2 Xi1 X i2 .......... .... Xi 2 Xip
i 1 i 1 i 1 i 1 i 1
.......... .......... ...... .......... ....... .......... ....... .......... ... .......... ......
n n n n n
XipYi Xip XipXi1 XipXi1 .......... .... 2
X i p
i 1 i 1 i 1 i 1 i 1
Jadi :β= (X’X)-1X’Y
( X 11 X .1 ) ( X 12 X . 2 )
( X 21 X .1 ) ( X 22 X .2 )
X A ( X 31 X .1 ) ( X 32 X .2 )
.............. ..............
( X X . ) ( X X . )
n1 1 n2 2
n n
( Xi1 X 1 .) 2 ( Xi 1 X i2 X .2 )
X 'A X A n
i 1 i 1
n
( Xi X . )( Xi X . ) 2 2
( Xi2 X 2 . )
1 2 2 2
i 1 i 1
JKX 1 JHKX 1 X 2
Biasanya ditulis : X ' A X A
JHKX 1 X 2 JKX 2
Untuk menguji βi kita cari kekalikan dari matriks X AXA-1kemudian kita gandakan
n
dengan S r2 regresi yaitu ( Yˆi Yi ) /( n p 1) maka pengujian βi dapat
2
i 1
Disini √Sbi adalah elemen-elemen diagonal matrik XAXA-1 yang telah digandakan
dengan S r2 regresi
B. KORELASI
1. PENGERTIAN KORELASI
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.
Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik
korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product
Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula
teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient,
Goodman-Kruskal, Somer, dan Wilson.
Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui
tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan
berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika
tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel
(kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson
data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala
ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur
diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan
pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien
korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif,
korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah
suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika
koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat
ketergantungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan
+1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan
linear sempurna dengan kemiringan (slope) positif.
Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut
sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan
(slope) negatif.
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.
2. KEGUNAAN KORELASI
3. TEORI KORELASI
0 1 2 3 4 5 6 7 8 9 10
X
Dalam praktiknya kadang data yang digunakan akan menghasilkan korelasi
tinggi tetapi hubungan tidak linier; atau sebaliknya korelasi rendah tetapi
hubungan linier. Dengan demikian agar linieritas hubungan dipenuhi, maka data
yang digunakan harus mempunyai distribusi normal. Dengan kata lain, koefesien
korelasi hanya merupakan statistik ringkasan sehingga tidak dapat digunakan
sebagai sarana untuk memeriksa data secara individual.
Asumsi dasar korelasi diantaranya seperti tertera di bawah ini:
Kedua variabel bersifat independen satu dengan lainnya, artinya masing-
masing variabel berdiri sendiri dan tidak tergantung satu dengan lainnya.
Tidak ada istilah variabel bebas dan variabel tergantung.
Data untuk kedua variabel berdistribusi normal. Data yang mempunyai
distribusi normal artinya data yang distribusinya simetris sempurna. Jika
digunakan bahasa umum disebut berbentuk kurva bel. Menurut Johnston
(2004) ciri-ciri data yang mempunyai distribusi normal ialah sebagai
berikut:
1. Kurva frekuensi normal menunjukkan frekuensi tertinggi
berada di tengah-tengah, yaitu berada pada rata-rata
(mean) nilai distribusi dengan kurva sejajar dan tepat sama
pada bagian sisi kiri dan kanannya. Kesimpulannya, nilai
yang paling sering muncul dalam distribusi normal ialah
rata-rata (average), dengan setengahnya berada dibawah
rata-rata dan setengahnya yang lain berada di atas rata-
rata.
Karakteristik Korelasi
Korelasi dimana r = 0
MACAM KORELASI
badan
Untuk melihat hubungan antara peubah x dan y secara grafik digunakan
diagram pencar (scatter diagram). Secara umum hubungan antara dua peubah
dapat berupa bentuk seperti gambar di bawah ini :
Gambar (1) :
menunjukan hubungan antara peubah X dan peubah Y kuat dan searah (positif),
ditandai oleh nilai r yang mendekati 1
Gambar (2) :
menunjukan hubungan antara peubah X dan peubah Y kuat dan berlawanan arah
(negatif), ditandai oleh nilai r yang mendekati -1
Gambar (3) :
menunjukan hubungan antara peubah X dan peubah Y yang lemah, ditandai oleh
nilai r yang mendekati 0
Gambar (4):
menunjukan hubungan antara peubah X dan peubah Y yang bukan linier, ditandai
oleh nilai r yang mendekati 1
Untuk nilai-nilai r antara 0 dan 1 dengan 0 dan -1 tidak ada patokan pasti yang
menentukan batas kekuatan hubungan antara 2 peubah. Namun demikian dapat
digunakan konvensi sebagai berikut :
Hubungan antara peubah X dan Y disebut kuat dan searah jika 0.75 ≤ r ≤ 1.
Hubungan antara peubah X dan Y disebut kuat dan berlawanan arah jika -1 ≤ r ≤
-0.75.
Hubungan antara peubah X dan Y disebut lemah jika -0.75 < r < 0.75.
Jika r dikuadratkan maka akan didapatkan suatu nilai yang disebut dengan
koefisien determinasi. Koefisien determinasi menunjukkan seberapa besar
pengaruh satu peubah terhadap peubah lainnya.
Misal r2 = a maka artinya :
–>a x 100% keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan
liniernya dengan X.
–>sumbangan peubah X terhadap naik turunnya Y ialah a x 100%
KOEFESIEN KORELASI
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua
variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi
menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua
variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai
hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan
tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel
mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai
variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan
interpretasi mengenai kekuatan hubungan antara dua variabel kriteria sebagai
berikut:
o 0 : Tidak ada korelasi antara dua variabel
o >0 – 0,25: Korelasi sangat lemah
o >0,25 – 0,5: Korelasi cukup
o >0,5 – 0,75: Korelasi kuat
o >0,75 – 0,99: Korelasi sangat kuat
o 1: Korelasi sempurna
mah
KOEFESIEN DETERMINASI
Pada halaman DATA VIEW di SPSS, Ketikkan nilai-nilai Variabel X1, X2,
dan Y
Pada kolom Name ketikkan simbol dari variabel (X1, X2, dan Y). Pada
kolom Label
ketikkan nama variabel (Biaya Promosi, Biaya Distribusi, dan Volume
Penjualan)
Tentukan kekuatan hubungan antara kedua peubah di atas, dan tentukan pula besar
pengaruh satu peubah terhadap peubah lainnya.
Jawaban :
X Y X2 Y2 XY
12 18 144 324 216
10 17 100 289 170
14 23 196 529 322
11 19 121 361 209
12 20 144 400 240
9 15 81 225 135
68 112 786 2128 1292
r2 = 0,90
> Hubungan antara peubah X dan Y kuat dan positif
> 90% keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan liniernya
dengan X
BAB IV
KESIMPULAN
DAFTAR PUSTAKA
Harinaldi. 2005 . Prinsip-prinsip Statistik Untuk Teknik dan Sains . Jakarta :
Erlangga.
Sudjana . 2005 . Metoda Statistika . Bandung : Tarsito.
Hamang, Abdul . 2005 . Metoda Statistika . Yogyakarta : Graha Ilmu.
http://www.ilmustatistik.com/wp-content/uploads/2008/11/korelasi-pearson.jpg di
akses tanggal 27 maret 2010 pada jam 11.00 WIB
http://www.sribd.com/korelasi-regresi.pdf diakses pada tanggal 25 maret 2010
pada jam 22.15 WIB
http://www.azuarjuliandi.com diakses pada tanggal 25 maret 2010 pada jam 22.15
WIB
http://www.jonathansarwono.info/regresi/regresi.htm di akses tanggal 27 maret
2010 pada jam 11.00 WIB