Indah Jefika Nadianis

18034115

Resume statistika untuk fisika

Analisis Korelasi Sederhana

1. Korelasi Linear Sederhana

Suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau
koelasi antara dua variabel.Hubungan dua variabel ada yang positif dan negatif.
Hubungan X dan Y dikatakan positif apabila kenaikan (penurunan) X pada umumnya
diikuti oleh kenaikan (penurunan) Y. Sebaliknya dikatakan negatif kalau kenaikan
(penurunan) X pada umumnya diikuti oleh penurunan (kenaikan) Y.

Hubungan Inflasi dan Suku Hubungan Produksi dan

Bunga (Korelasi Negatif) Harga Minyak Goreng
(Korelasi Positif)
35 700
30 600
25 500
20 400
15 300
10 200
5 100
0 0
2,01 9,35 12,55 10,33 637 740 722 781 849 881
Inflasi Harga Minyak Goreng

Jadi, kalau variabel X dan Y ada hubungan, maka bentuk diagram pencarnya
adalah mulus/teratur. Apabila bentuk diagram pencar tidak teratur, artinya
kenaikan/penurunan X pada umumnya tidak diikuti oleh naik turunnya Y, maka
dikatakan X dan Y tidak berkorelasi.Kuat dan tidaknya hubungan antara X dan Y apbila
dapat dinyatakan dengan fungsi linear(paling tidak mendekati), diukur dengan suatu
nialai yang disebut koefisien korelasi. Nilai koefisien korelasi ini paling sedikit –1 dan
paling besar 1. Jadi jika r = koefiaien korelasi, maka r dapat dinyatakan sebagai berikut :
-1 r  1
 Jika r =1, hubungan X dan Y sempurna dan positif, r = -1, hubungan X dan Y sempurna
dan negatif, r mendekati 1, hubungan sangat kuat dan positif, r mendekati –1, hubungan
sangat kuat dan negatif.
Disini X dikatakan mempengaruhi Y, jika berubahnya nilai X akan menyebabkan
perubahan nilai Y.

2. Koefisien Determinasi
Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai
peubah X melalui hubungan linier. Penetapan & Interpretasi Koefisien Korelasi dan
Koefisien Determinasi

3. Koefisien Korelasi
Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y Nilai r berkisar
antara (+1) sampai (-1) Nilai r yang (+) ditandai oleh nilai b yang (+) Nilai r yang (-)
ditandai oleh nilai b yang (-) Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y
memiliki korelasi linier yang tinggi Jika nilai r = +1 atau r = -1 maka X dan Y memiliki
korelasi linier sempurna Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan)
linier (dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi
eksponensial)
Naik turunnya Y adalah sedemikian rupa sehingga nilai Y bervariasi, tidak
semata-mata disebabkan oleh X, karena masih ada faktor lain yang menyebabkannya.
Jadi untuk mengatahui berapa besar kontribusi dari X terhadap naik turunnya nilai Y
maka harus dihitung dengan koefisien penentuan (koefisien determinasi). Kalau koefisien
penentuan ditulis KP, maka untuk menghitung KP digunakan rumus berikut : KP = r 2.
Cara menghitung r :

 xi yi
n n n
n X iYi   X i  Yi
r i 1
r i 1 i 1
2
i 1
2
n n
 n   n 
x y
n n
n X    X i     Yi 
2 2
i i i
2
Yi  2

i 1 i 1 i 1  i 1  i 1  i 1 
atau

Kedua rumus diatas disebut koefisien korelasi Pearson.

Koefisien korelasi data kelompok:

Rumus untuk menghitung koefisien korelasi yang sudah dibahas diatas adalah
untuk data yang tidak berkelompok (data yang belum disajikan dalam bentuk tabel
frekuensi, dengan menggunakan kelas-kelas atau katagori-katagori). Untuk data yang
berkelompok rumusnya adalah sebagai berikut :

n uvf    ufu vf v 

r
 
n  u 2 f u   ufu 
2
 
n  v 2 f v   vf v 
2

Rumus untuk menghitung koefisen korelasi bagi data berkelompok penting sekali
sebab dalam praktek, misalnya di dalam suatu penelitian, hasil data yang diperoleh sudah
disajikan dalam bentuk data berkelompok dengan interval kelas yang sama.

Contoh soal:

1. setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung koef. korelasi

(r) dan koef determinasi (R). Gunakan data berikut (lihat Contoh 2) Σx = 26 Σy = 40
Σxy = 232 Σx² =158 Σy² = 346
 Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume
penjualan) berkorelasi linier yang positif dan tinggi R = r 2 = 0 9857 2 . ... y = y y =
0.97165....= 97 % Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai
peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi)
melalui hubungan linier. Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain.

2. Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seseorang

dengan pengeluaran (konsumsi) per bulan. Data dari 6 orang yang diwawancarai
diperoleh data sebagai berikut:
X (pendapatan) : 800 900 700 600 700 800 (ribuan)

Y (konsumsi) : 300 300 200 100 200 200 (ribuan)

Untuk menghitung koefisien korelasi maka disusun tabel bantu sebagai berikut:

Tabel . Tabel Bantu Analisis Korelasi Product Moment

n X Y X Y X
2 2
Y

1 8 3 6 9 2
00 00 40.000 0.000 40.000
 2 9 3 8 9 2
00 00 10.000 0.000 70.000

3 7 2 4 4 1
00 00 90.000 0.000 40.000

4 6 1 3 1 6
00 00 60.000 0.000 0.000

5 7 2 4 4 1
00 00 90.000 0.000 40.000

6 8 2 6 4 1
00 00 40.000 0.000 60.000

 4. 1. 3. 3 1.
500 300 430.00 10.000 010.00
0 0

Berdasarkan tabel bantu tersebut diperoleh nilai-nilai:

X = 4.500

Y = 1.300

X2 = 3.430.000

Y2 = 310.000

XY = 1.010.000
 n=6

Untuk menghitung koefisien korelasi, maka nilai-nilai tersebut dimasukkan dalam

rumus koefisien korelasi sebagai berikut.

6 (1.010.000 ) - (4.500)(1. 300)

r =
6 . (3.430.000 )  (4.500) 2 6 . (310.000 )  (1.300) 2

6.060.000  5.850.000
=
20.580.000  20.250.000 1.860.000  1.690.000

210.000
=
330.000 170.000

210.000
=
574,4563 x 412,3106

210.000
=
236.854,4

= 0,886621

Jadi diperoleh nilai koefisien korelasi ( r ) sebesar 0,886621 karena nilainya positif dan
mendekati 1 berarti hubungan konsumsi dan pendapatan kuat dan searah (positif), artinya
peningkatan pendapatan seseorang akan diikuti dengan peningkatan pengeluaran
(konsumsi)
 KEPUSTAKAAN

http://file.upi.edu/ /Direktori/FIP/JUR._PEND._LUAR_SEKOLAH/Regresi & Korelasi

Linier Sederhana (upi.edu) .

https://id.scribd.com/doc/173548564/KORELASI-CONTOH-SOAL

https://teknikelektronika.com/pengertian-analisis-korelasi-sederhana-rumus-pearson/

https://www.academia.edu/9356248/ANALISIS_KORELASI_DAN_REGRESI_LINEA
R_SEDERHANA? auto=download