PERTEMUAN KETUJUH
KELOMPOK 4
Oleh :
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Panyayang, kami panjatkan puja dan puji syukur atas kehadirat-Nya, yang telah
melimpahkan rahmat, hidayah, dan inayah-Nya kepada kami sehingga kami dapat
menyelesaikan catatan mata kuliah Probabilitas dan Statititska C. Adapun catatan ini
telah kami usahakan semaksimal mungkin dan tentunya dengan bantuan berbagai
pihak, sehingga dapat memperlancar pembuatan catatan ini. Untuk itu kami tidak
lupa menyampaikan terima kasih kepada pihak- pihak yang telah membantu kami
dalam pembuatan catatan ini.
Namun tidak lepas dari semua itu, kami sadar sepenuhnya bahwa ada
kekurangan baik dari segi penyusun bahasanya maupun segi lainnya. Oleh karena
itu dengan lapang dada dan tangan terbuka kami membuka selebar-lebarnya bagi
pembaca yang ingin memberi saran dan kritik kepada kami sehingga kami dapat
memperbaiki catatan ini. Kami berharap dari catatan mata kuliah Probabilitas dan
Statititska C ini dapat diambil hikmah dan manfaatnya sehingga dapat memberikan
inpirasi terhadap pembaca.
Kelompok 4
i
BAB I
CATATAN KULIAH
1. Korelasi
Korelasi merupakan ukuran dari seberapa dekat dua variabel berubah dalam
hubungan satu sama lain. Sebagai contoh, kita bisa menggunakan tinggi badan dan
usia siswa SD sebagai variabel dalam korelasi positif. Semakin tua usia siswa SD,
maka tinggi badannya pun menjadi semakin tinggi. Hubungan ini disebut korelasi
positif karena kedua variabel mengalami perubahan ke arah yang sama, yakni
dengan meningkatnya usia, maka tinggi badan pun ikut meningkat.
a) Diagram Scatter
Scatter diagram atau dalam bahasa indonesia disebut diagram pencar adalah
diagram yang menunjukkan tingkat hubungan atau korelasi di antara 2 faktor.
Scatter diagram merupakan bagian dari 7 alat pengendalian kualitas (seventools)
yang digunakan untuk menguji hubungan keterkaitan antara 2 faktor yang menjadi
sebab atau akibat.
Scatter diagram sering disebut sebagai Scatter Chart, Scatter plot, Scattergram
dan Scatter graph. Bentuk sajian analisa dari scatter diagram adalah berupa
gambaran 1
grafis yang terdiri dari sekumpulan titik-titik dari nilai sepasang variabel (Variabel X
dan Variabel Y).
Pada korelasi yang kuat dan lemah, dalam scatter diagram dapat ditandai dengan 5
jenis korelasi, yaitu :
5. Tanpa Korelasi
➢ Pengumpulan data Lakukan pengumpulan sepasang data X dan Y yang akan dipelajari
hubungannya kemudian masukkanlah data tersebut ke dalam sebuah Tabel. Usahakan
pengumpulan pasangan data melebihi 30 pasangan data (n > 30) agar tingkat keakurasi-annya
lebih tinggi.
4
➢ Pembuatan Sumbu Vertikal dan Sumber Horizontal Tentukanlah nilai Maksimum dan nilai
Minimum dari kedua data variabel X dan Y tersebut kemudian buatlah sumbu Vertikal dan sumbu
Horizontal beserta skalanya sesuai dengan nilai Maksimum dan Nilai Minimum yang didapat.
➢ Penebaran (Plotting) data Lakukanlah Penebaran data (data plotting) kedalam kertas yang telah
dibuat pada langkah ke-2 (langkah pembuatan sumbu vertikal dan sumbu horizontal).
➢ Pemberian Informasi Berikanlah informasi yang secukupnya untuk Scatter Diagram tersebut
seperti :
1. Judul Grafik
2. Banyaknya pasangan data
3. Judul dan unit pengukuran untuk sumbu Vertikal dan Horizontal
4. Interval Waktu
5. Orang yang membuat dan penanggung Jawab Scatter Diagram tersebut.
b) Kalkulasi Korelasi
Koefisien Korelasi
Koefisien korelasi sering kali disimbolkan dengan notasi "r" yaitu ukuran korelasi
linear antara dua variable. Koefisien korelasi (r) dapat dihitung dari data yang sama
digunakan untuk menghasilkan persamaan garis lurus (y = ax + b). Nilai koefisien
korelasi (r) memperkirakan kelinieran sebenarnya dari data asli.
Disisi lain r memperkirakan seberapa besar hubungan dari persamaan garis lurus
(atau regresi linier) serta mewakili titik data yang tersebar berdasarkanplot data pada
grup X dan Y. Dalam praktiknya, nilai r berkisar -1,0000 sampai +1,0000 tergantung
dari arah garis regresinya.
Apabila nilai r +1,0000, hal itu berarti menunjukkan titik data yang memiliki hubungan
linier sempurna dan garis memiliki kemiringan positif. Hal ini menandakan bahwa
seiring dengan meningkatnya konsentrasi sampel (X) maka nilai absorbansi sampel
(Y) juga semakin meningkat.
Jika nilai r -1,0000 maka hal ini menunjukkan titik bahwa data memiliki hubungan
linier sempurna dan garis memiliki kemiringan negatif. Hal ini biasanya terjadi karena
adanya hubungan yang berbanding terbalik. Pada ilustasi berikut ini dapat kita lihat
bahwa nilai r+1 arah garis menaik dan sebaliknya.
5
c) Menghitung Koefisien Korelasi
Pada tabel berikut ini, akan dibimbing bagaimana cara menghitung koefisien
korelasi yang mudah dan simpel namun tetap memiliki kebenaran yang baik.
Berikut ini tahapan yang harus diikuti agar lebih mudah dalam menghitungnya:
1. Hitung nilai rata-rata (mean) x̄, dengan cara menjumlahkan seluruh nilai x,
kemudian membaginya dengan jumlah data.
2. Hitung nilai rata-rata (mean) ȳ, dengan cara menjumlahkan seluruh nilai y,
kemudian membaginya dengan jumlah data.
3. Hitung kuadrat dari (x - x̄) dan jumlah kuadratnya
4. Hitung kuadrat dari (y - ȳ) dan jumlah kuadratnya
Selain menggunakan rumus di atas, kita juga bisa menghitung koefisien korelasi
secara otomatis menggunakan aplikasi Microsoft Excel. berikut ini tahapan yang
harus dilakukan:
1. Input data yang akan dihitung nilai koefisien korelasinya (contoh pada gambar di
bawah ini)
2. Setelah data yang ingin dihitung telah terinput semua maka posisikan kursor
pada salah satu cell excel.
3. Kemudian ketik =CORREL(sorot data yang akan dihitung)
Contoh jika terdapat outlier pada perhitungan :
2. Regresi Linear
Analisis regresi mempelajari bentuk hubungan antara satu atau lebih
peubah/variabel bebas (X) dengan satu peubah tak bebas (Y). Dalam penelitian
peubah bebas ( X) biasanya peubah yang ditentukan oleh peneliti secara bebas
misalnya dosis obat, lama penyimpanan, kadar zat pengawet, umur ternak dan
sebagainya.
Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya, misalnya
dalam pengukuran panjang badan dan berat badan sapi, karena panjang badan lebih
mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X),
sedangkan berat badan dimasukkan peubah tak bebas (Y).
Sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur
akibat perlakuan/peubah bebas (X). misalnya jumlah sel darah merah akibat
pengobatan dengan dosis tertentu, jumlah mikroba daging setelah disimpan
beberapa hari, berat ayam pada umur tertentu dan sebagainya.
Bentuk Hubungan Variabel bebas dan terikat
Bentuk hubungan antara peubah bebas (X) dengan peubah tak bebas (Y) bisa
dalam bentuk polinom derajat satu (linear) polinom derajat dua (kuadratik). Polinom
derajat tiga (Kubik) dan seterusnya. Disamping itu bisa juga dalam bentuk lain
misalnya eksponensial, logaritma, sigmoid dan sebagainya. Bentuk-bentuk ini dalam
analisis regresi-korelasi biasanya dilakukan transformasi supaya menjadi bentuk
polinom.
Persamaan Regresi
Dalam bentuk yang paling sederhana yaitu satu peubah bebas (X) dengan satu
peubah tak bebas (Y) mempunyai persamaan:
Y =a +bx
Disini a disebut intersep dan b adalah koefisien arah atau koefisien beta.
Dalam pengertian fungsi persamaan garis Y + a + bx hanya ada satu yang dapat
dibentuk dari dua buah titik dengan koordinat yang berbeda yaitu ( X1, Y1) dan
X2,Y2). Hal ini berarti kita bisa membuat banyak sekali persamaan garis dalam
bentuk lain melalui dua buat titik yang berbeda koordinatnya/tidak berimpit.
Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis
tertentu dengan jumlah telurnya pada usus ayam buras. Untuk tujuan tersebut
diperiksa 20 ekor ayam dan ditemukan sebagai berikut:
Tabel 1 jumlah cacing dan jumlah telurnya pada usus ayam buras.
Bila kita duga bentuk hubungan antara jumlah cacing (X) dan jumlah telurnya (Y)
adalah:
Jadi Ŷ=-2,442 + 4,103 Xi
https://www.labmutu.com/2020/08/menghitung-koefisien-korelasi.html
https://teknik-industri-rachman.blogspot.com/2019/09/scatter-diagram-scatter-
plot.html
https://www.statistikian.com/2012/08/analisis-regresi-
korelasi.html#Analisis_Regresi_Linearhttp://ciputrauceo.net/blog/2016/5/16/pengerti
an-korelasi-dan-macam-macam-korelasi