PRODI TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNOLOGI BANDUNG

STATISTIKA INDUSTRI I
3 SKS
Pertemuan 13. Korelasi Linier Sederhana

Dadang Ruhiat, S.Si.,MPSDA, M.Stat.

 SUB POKOK BAHASAN DAN
SASARAN BELAJAR

1. Mahasiswa mampu memahami mengenai analisis korelasi diantara

dua peubah dengan menggunakan koefisien korelasi.

2. Mahasiswa mampu memahami konsep korelasi berganda dan

parsial
 HUBUNGAN VARIABEL
Hubungan Positif
X Y atau X Y

 Ukuran keeratan hubungan antara

Dua variabel menggunakan nilai koefisien
Hubungan Negatif Korelasi (r )
X Y atau X Y
 Ukuran seberapa besar pengaruh diukur
dengan nilai koefisien determinasi (r2 x 100%)
• Korelasi Variabel X dan Y : Hubungan antara Variabel X dan Y
• Koefisien Korelasi Variabel X dan Y : ukuran keeratan hubungan
antara variabel X dan Y
• Koefisien korelasi disimbolkan dengan 𝜌 (rho) untuk populasi dan r
untuk sampel
• Model Persamaan regresi Linier Sederhana
𝑛 σ 𝑋𝑌−σ 𝑋 σ 𝑌
• 𝑟=
𝑛 σ 𝑋2− σ 𝑋 2 𝑛 σ 𝑌 2− σ 𝑌 2
1. r dapat bernilai positif atau negatif
2. Terletak antara -1 dan +1 yaitu -1 r 1.
3. Sifat dasarnya simetris yaitu koefisen korelasi antara X dengan Y
sama dengan koefisien korelasi antara Y dengan X :
4. Apabila X dan Y bebas secara statistik, koefisien korelasi antara
keduanya adalah nol.
5. r hanyalah suatu ukuran hubungan linear atau ketergantungan
linier saja. r tidak mempunyai arti untuk menggambarkan
hubungan nonlinear.
6. r adalah ukuran hubungan linear antara dua vairabel, tidak perlu
berarti hubungan sebab akibat.
 KORELASI DAN KOEFIEN
KORELASI
Hubungan Korelasi dengan Regresi
• Apabila pengamatan terkait hubungan peubah/variabel (dua atau lebih),
maka ada dua hal yang menarik untuk diperhatikan yaitu :
1. Bagaimana eratnya hubungan ? Koefisien Korelasi
2. Bagaimana bentuk bubungan ? Persamaan Regresi

• Keeratan hubungan peubah/variabel diukur oleh koefisien korelasi

• Bentuk hubungan dapat dinyatakan dalam bentuk persamaan regresi
• Regresi Linier : Bentuk hubungan antara variabel tak bebas (Y) dengan
satu atau lebih variabel bebas (X), dimana X dan Y memiliki hubungan
linier.
 KORELASI LINEAR Y
TERHADAP X
Model dan persamaan korelasi linear sederhana dan hubunganya
dengan persamaan regresi

X Y

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌
𝑟=
𝑛 σ 𝑋2 − σ 𝑋 2 𝑛 σ 𝑌2 − σ 𝑌 2

Persamaan regresi Linier Sederhana : 𝑌 = 𝛼 + 𝛽𝑋 + 𝜖 untuk populasi

𝑌෠ = 𝑎 + 𝑏𝑋 + 𝑒 untuk sampel
 INTERPRETASI NILAI
KORELASI.
 Interpretasi nilai Korelasi
Korelasi Variabel X dan Y : Hubungan antara Variabel X dan Y
Koefisien Korelasi Variabel X dan Y : ukuran keeratan hubungan antara
variabel X dan Y
Koefisien korelasi disimbolkan dengan 𝜌 (rho) untuk populasi dan r untuk
sampel
 INTERPRETASI NILAI
KORELASI.
 Koefisien determinasi.
• Koefisien determinasi merupakan suatu ukuran kebaikan/kecocokan
“Goodness of Fit “ model regresi.
• Koefisien determinasi bukan “Besar Pengaruh”
1. r2 merupakan besaran non negatif.
2. Batasnya adalah 0r2 1.
r2 juga dapat dihitung dengan rumus sebagai berikut
: ˆ2 2
JKR yˆ i
2
 x 2
 x 
r2   2  1 2 i  ˆ12  i2 
JKT yi yi  y i 
 s 2

r  ˆ  2
2
1
2
X

 sY 

Untuk regresi linier sederhanda akar kuadrat dari

Koefisein determinasi merupakan koefisien korelasi.

Cov( X , Y )
r r 2
r
Var ( X )Var (Y )
• Suatu penelitian lingkungan bertujuan untuk mengetahui tingkat pencemaran yang
berasal dari mobil. Dalam hal ini diperkirakan bahwa tingkat emisi hydrokarbon (HC)
dari mobil tergantung dari jaraknya. Dengan demikian, mobil yang masih baru lebih
sedikit mengeluarkan HC daripada mobil tua. Untuk itu sebanyak 10 mobil merek
tertentu dipilih secara acak, kemudian diperiksa berapa jarak tempuh (dalam ribuan
kilometer) dari mobil tersebut dan diukur tingkat emisi HC-nya (dalam ppm). Hasilnya
adalah sebagai berikut:
Jarak (X) 31 38 48 52 63 67 75 84 89 99
Emisi (Y) 553 590 608 650 700 680 834 752 845 960

a. Deteksi bentuk hubungan kedua variabel tersebut melalui plot data apakah
mempunyai hubungan linier
b. Hitung koefisien korelasi X dan Y dan interpretasikan hasilnya.
c. Hitung Koefisien Determinasi dan interpretasikan hasilnya
d. Lakukan uji hipotesis memang terdapat hubungan linier antara variabel Jarak (X)
dengan kadar Emisi (Y).
No. Jarak (X) Emisi (Y) X2 Y2 XY
1 31 553 961 305809 17143
2 38 590 1444 348100 22420
3 48 608 2304 369664 29184
4 52 650 2704 422500 33800
5 63 700 3969 490000 44100
6 67 680 4489 462400 45560
7 75 834 5625 695556 62550
8 84 752 7056 565504 63168
9 89 845 7921 714025 75205
10 99 960 9801 921600 95040
Total 646 7172 46274 5295158 488170
a. Plot hubungan variabel X dan Y
b. Koefisien Korelasi (r)

෍ 𝑋 = 646
෍ 𝑋 2 = 46274

෍ 𝑌 = 7172
෍ 𝑌 2 = 5295158

෍ 𝑋 𝑌 = 488170 n = 10

𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌
𝑟=
𝑛 σ 𝑋2 − σ 𝑋 2 𝑛 σ 𝑌2 − σ 𝑌 2

(10)(488170) − (646)(7172)
𝑟= = 0,948
(10)(46274) − 646 2 10(5295158) − 7172 2

Interpretasi : Jarak (X) dan Emisi (Y) mempunyai hubungan linier

yang sangat tinggi atau sangat Kuat
c. Koefisien Determinasi (𝑟 2 𝑥100%)
(10)(488170) − (646)(7172)
𝑟= = 0,948
(10)(46274) − 646 2 10(5295158) − 7172 2

𝑟 2 = 0,8986

Interpretasi : 89,86 % dari variansi dalam nilai variabel Emisi (Y)

disebabkan oleh hubungan linier dengan variabel jarak (X),
d. Pengujian hipotesis Variabel X dan Y memiliki korelasi
1. Rumusan Hipotesis :
H0 : 𝜌 = 0
H1 : 𝜌 ≠ 0
2. Taraf signifikan (α) = 0,05
3. Statistik Uji
𝑟 𝑛−2
𝑡=
1−𝑟 2
0,948 10−2
𝑡= = 8,425
1−(0,948)2
𝑡𝛼/2 = 𝑡0,025 = 2,262
4. Tolak H0 : jika t <- 𝑡𝛼/2 atau t > 𝑡𝛼/2
5. Kesimpulan : Keputusan Ho ditolak, dan dapat disimpulkan bahwa
dengan tinggkat kepercayaan 95 % diketahui bahwa variabel Jarak
(X) dan variabel Emisi (Y) memeliki hubungan linier.
 SOAL LATIHAN (PRAKTEK)
1. Diketahui data biaya iklan, biaya distribusi dan hasil penjualan suatu jenis
hasil produksi (dalam jutaan rupiah).
Biaya Iklan Biaya Distribusi Penjualan
Bulan
X1 X2 Y
1 10 25 100
2 23 28 250
3 15 20 150
4 16 20 120
5 20 27 200
6 25 28 240
7 20 18 180
8 26 30 300
9 24 27 250
10 22 24 180
11 20 25 220
12 25 21 230

Jika diketahui persamaan regresi linier berganda untuk data diatas :

𝑌෠ = −103,314 + 9,595𝑋1 + 4,435𝑋2
Hitung dan interpretasikan hasilnya :
a. Hitung koefisien korelasi ganda untuk data tersebut di atas dan interpretasikan
hasilnya.
b. Koefisien korelasi parsil antara hasil penjulan dan biaya distribusi dengan biaya
iklan yang dikendalikan (𝑟𝑦𝑋2.𝑋1 )
c. Koefisien korelasi parsil antara hasil penjulan dan biaya iklan dengan biaya
distribusi yang dikendalikan (𝑟𝑦𝑋1.𝑋2 )
 Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -103,314 39,650 -2,606 ,028
X1 9,595 1,385 ,787 6,927 ,000
X2 4,435 1,726 ,292 2,569 ,030
a. Dependent Variable: Y
 Correlations
Control Variables Y X1
X2 Y Correlation 1,000 ,918
Significance (2-tailed) . ,000
df 0 9
X1 Correlation ,918 1,000
Significance (2-tailed) ,000 .
df 9 0
 Correlations
Control Variables Y X2
X1 Y Correlation 1,000 ,650
Significance (2-tailed) . ,030
df 0 9
X2 Correlation ,650 1,000
Significance (2-tailed) ,030 .
df 9 0