UJI KORELASI DAN REGRESI

UJI KORELASI:

Melihat derajat hubungan linier antara 2 variabel

Hubungan searah

Misal: intensitas cahaya terhadap keanekaragaman tanaman

Teknik-teknik korelasi

Teknik Symbol Variable 1 Variable 2 Keterangan

Korelasi
Pearson R Kontinum Kontinum Paling banyak dipakai,
Product (interval) (interval) standar kesalahan kecil
Momen
Rank Ρ Rank (ordinal) Rank (ordinal) Pengganti produk momen
spearmen jika sampel kurang dari 30
Tan Kendal Τ Rank (ordinal) Rank (ordinal) Jika sampel kurang dari 10

r : koefisien korelasi

menyatakan ada tidaknya hubungan.

Menyatakan besarnya sumbangan variable 1 terhadap variable lain 

koefisien determinasi (r2)

Nilai r: -1 ≤ r ≤ +1

Interpretasi nilai r

R Interpretasi
0 Tidak berkorelasi
0,01-0,20 Sangat rendah
0,21-0,40 Rendah
0,41-0,60 Sedang
0,61-0,80 Tinggi
0,81-0,99 Sangat tinggi
1 Sempurna

Contoh

No. Data X Data rxy Gambar grafik Interpretasi

Y
1 1 3 1 8 Korelasi positif
7

2 4 6 Sempurna
5

3 5 4 Indeks determinasi
3
12x 100% = 100%
4 6 2
1
X naik y naik
0
5 7 1 2 3 4 5
X turun y turun
2 1 4 +0,80 8 Korelasi positif
2 3
7

6
Tergolong tinggi
3 5 5 Indeks determinasi
4
0,82x 100% = 64%,
4 7 3
sumbangan X thd Y
5 6 2

1 64%, sisanya (36%)

0
1 2 3 4 5 variable lain
X naik y juga naik
X turun y juga turun
3 1 4 0 8 Korelasi tidak ada
7
2 7 6
Indeks determinasi 0%
3 5 5 X naik beum tentu Y
4
naik atau turun
4 3 3
2

5 6 1
0
1 2 3 4 5
4 1 6 -0,80 8 Korelasi negative
2 7
7
6
Tergolong tinggi
3 5 5 Sumbangan X thd Y
4
64%
4 3 3
2 X naik Y turun, x turun
5 4 1 Y naik
0
1 2 3 4 5

5 1 7 -1 8 Korelasi negative
2 6 7
sempurna
3 5
6
Sumbangan X thd Y
5
100%
4 4 4
X naik Y turun, x turun
3
5 3 2 Y naik
1

0
1 2 3 4 5

Menghitung nlai r

1. Tulis Ha dan H0 dalam bentuk kalimat

H0:tidak terdapat hubungan yang signifikan antara variable X
dengan Y

Ha: terdapat hubungan yang signifikan antara variable X dengan Y

2. Tulis H0 dan Ha dalam bentuk statistic

Ha: r≠0

H0: r=0
3. Buatlah table penolong

Ulangan Xi Yi X= (Xi-Xi) Y= (Yi-Yi) X2 Y2 XY

1 1 4 -2 -1 4 1 2
2 2 3 -1 -2 1 4 2
3 3 5 0 0 0 0 0
4 4 7 1 2 1 4 2
5 5 6 2 1 4 1 2

3 5 0 0 10 10 8
Xi Yi

4. Cari r hitung
∑ 𝑿𝒀
rxy =
√(∑ 𝑿𝟐)(∑(𝒀𝟐)

𝟖
= = 8/10 = 0,80
√(𝟏𝟎)(𝟏𝟎)

r table dengan α=0,05 dan db=n-2;

r(0,05,3)=0,878

r hitung: 0,80

r table: 0,878

r tabel < r hitung < r tabel: H0 diterima

kesimpulan: tidak ada korelasi antara X dan Y.

sumbangan variabel x terhadap Y adalah 0,802 x 100% = 64 %, sisanya

sebesar 36% ditentukan oleh variabel lain.
UJI REGRESI

Variable predictor: yang mempengaruhi  X

Variable kriterium: yang dipengaruhi  Y

Memprediksi pengaruh variable predictor terhadap variable kriterium

Persamaan matematik, menyatakan hubungan fungsional antara variable

Persamaan analisis regresi: Y = a + bX

Y= variable kriterium

X= variable predictor

a= bilangan konstan

b=koefisien arah regresi linier

contoh

No. Data Data rxy Persamaan Gambar grafik Interpretasi

X Y
1 1 3 1 Y=2+1X 8 Hubungan
7

2 4 6 fungsional
5

3 5 4 positif
3
Semakin tinggi X
4 6 2
1
0
semakin tinggi
5 7 1 2 3 4 5
pula Y
2 1 4 +0,80 7
6
Hubungan
2 3 Y= 2,6 + 0,8X 5
4
fungsional
3 5
3
2
positif
1
Semakin tinggi X
4 7 0
1 2 3 4 5
semakin tinggi
5 8 pula Y
3 1 4 0 Y= 5 + 0X 6 Hubungan
5

2 7 4 fungsional tidak
3 5
3
2
ada
1
Kenaikan
4 3 0
1 2 3 4 5
variable X tidak
5 6 mempengaruhi
variable Y
4 1 6 -0,80 Y=2,6-0,8X 7 Hubungan
6

2 7 5
fungsional
3 5
4
negatif
3
Semakin tinggi X
4 3 2

1
semakin rendah
5 4 0
1 2 3 4 5
Y
5 1 7 -1 Y=2-X 8 Hubungan
2 6 7
fungsional
3 5
6
negatif
5
Semakin tinggi X
4 4 4
semakin rendah
3
5 3 2 Y
1

0
1 2 3 4 5

Langkah-langkah menghitung persamaan regresi

1. Tulis H0 dan Ha dan dalam bentuk kalimat

H0: tidak terdapat hubungan fungsional linier dan signifikan
 Ha: terdapat hubungan fungsional linier dan signifikan antara
variable X dan Y
antara variable X dan Y
2. Tulis H0 dan Ha dalam bentuk statistika
H0: r=0
Ha: r≠0

3. Buatlah table penolong

Ulangan X Y XY X2 Y2
1 2 5 10 4 25
2 1 4 4 1 16
3 4 7 28 16 49
4 2 3 6 4 9
5 5 6 30 25 36

14 25 78 50 135

4 hitung a dengan rumus

a = (∑Y)( ∑X2)-( ∑X)( ∑XY)) / (n∑X2-(∑X)2
𝟐𝟓.𝟓𝟎−𝟏𝟒.𝟕𝟖 𝟏𝟐𝟓𝟎−𝟏𝟎𝟗𝟐 𝟏𝟓𝟖
= = = = 2,926
𝟓.𝟓𝟎−𝟏𝟒𝟐 𝟐𝟓𝟎−𝟏𝟗𝟔 𝟓𝟒

hitung b dengan rumus

b= ((n∑XY-∑X∑Y)) / ( n∑X2-(∑X)2
𝟓.𝟕𝟖−𝟏𝟒.𝟐𝟓 𝟑𝟗𝟎−𝟑𝟓𝟎 𝟒𝟎
= = = =0,74
𝟓.𝟓𝟓−𝟏𝟒𝟐 𝟐𝟓𝟎−𝟏𝟗𝟔 𝟓𝟒

4. Masukkan nilai a dan b ke dalam persamaan regresi

 Y = a + bX

Y = 2,926 + 0,74 X

5. Uji signifikansi dan linearitas persamaan regresi menggunakan

tabel ANOVA
Sumber db(dk) Jumlah Kuadrat (JK) Rata-rata Jumlah F
variasi Kuadrat Tengan
(RJK)
Total N ∑Y2 JK/db
Regresi (a) 1 ∑𝐘𝟐 RJK reg a =
JK (reg a) =
𝒏
JK rega)/db
Regresi (b|a) 1
JK (reg b|a)=

∑𝑿∑𝒀 RJK reg b|a =

b∑ 𝑿𝒀 − JK reg (b|a)/db
𝒏

Residu n-2 JK residu = RJK residu=

∑ 𝒀𝟐 -JK reg(b|a)-Jkreg(a) JK residu/db
Tuna cocok k-2
(lack of fit) JKTC = JKres - JKPE

Galat Baku n-k (∑ 𝒀)𝟐

JKPE= ∑𝑿 ∑ 𝒀𝟐 − 𝒏
(pure error)

∑𝐘𝟐 𝟐𝟓𝟐
JK (reg a) = = = 125
𝒏 𝟓

∑𝑿∑𝒀
JK (reg b|a)= b∑ 𝑿𝒀 − = 0,74 (78- 14 . 25/5) =0,74 . 8 = 5,92
𝒏

JK residu = ∑ 𝒀𝟐 -JK reg(b|a)-Jk reg(a) = 135 – 5,92 -125 = 4,08

RJK reg a = 125/1 =125

RJK reg b|a = 5,92/1 = 5,92

RJK residu = 4,08/5-2 =1,36

JK TC = JK res- JKPE

Menghitung JKPE

1. Urutkan data X dari terendah sampai tertinggi

X Y (∑ 𝒀)𝟐
𝟐
∑𝒀 −
𝒏
1 4 42- 42/1 = 0
2 3 32+52 – (3+5)2/2 =
2 5 34 – 32 = 2
4 7 72 – 72/1 = 0
5 6 62 – 62/1 = 0
∑ 2

JKPE = 2
JK Tc = JKres- JKPE
JK Tc = 1,36 – 2 = - 0,64
𝐉𝐊 𝐓𝐂 −𝟎,𝟔𝟒
RJK(TC)= 𝐊−𝟐 = =-0,32
𝟒−𝟐
RJK PE = JKPE / (n-k) = 2/(5-4) = 2

F (sign)= RJK (b|a)/RJK (residu) = 5,92/1,36 = 4,353

F (line) = RJK(TC) / RJK PE = -0,32/2 =-0,16

Pengujian H0
H0 : linier
Ha : tidak signifikan linier
H0 diterima jika : F sign hitung ≤ F sign tabel
F line hitung ≤ F line tabel
F sign Tabel : F(α; dkreg (b|a); dkresidu)
F(0,05; 1; 3) = 10,13
F line tabel : F(α; dK TC; dK E)
F(0,05; 2; 1) = 200