NPM 0119101174
Ringkasan Materi 12
Ada kalanya seorang peneliti ingin melihat hubungan yang terjadi antara satu variabel
dengan variabel yang lain. Derajat hubungan yang terjadi dinamakan korelasi. Jika nilai-nilai
suatu variabel menaik sedangkan nilai-nilai variabel yang lain menurun, maka kedua variabel
tersebut mempunyai korelasi negatif. Sebaliknya jika nilai-nilai suatu varibel menaik dan
diikuti pula dengan menaiknya nilai variabel lain, atau menurunnya nilai suatu variabel dan
diikuti pula dengan menurunnya nilai variabel lain, kedua variabel tersebut mempunyai
korelasi positif. Derajat atau tingkat hubungan antara dua variabel diukur dengan indeks
korelasi, yang disebut koefisien korelasi. Korelasi yang sering digunakan dalam penelitian,
dan yang akan diuraikan dalam bab ini adalah :
𝑆𝑃
𝑟 = √𝑆𝑆𝑥 , 𝑆𝑆𝑦
𝑆𝑆
= ∑𝑥2 − (∑𝑥)2 = ∑𝑥2
𝑥
𝑆𝑆𝑦 = ∑𝑦2 − (∑𝑦)2 = ∑𝑦2
𝑁
Dimana :
N = jumlah pengamatan dari masing-masing variabel
x = (X - 𝑋̅)
y = (Y - 𝑌̅).
𝑋̅ = mean dari variabel X.
𝑌̅ = mean dari variabel Y.
Contoh :
Seorang peneliti yang ingin melihat apakah ada korelasi antara dua variable X dan Y.
Pengamatan dari variabel tersebut adalah :
X : 2 3 3 4 5 5 5 7 8 8
Y : 8 7 8 5 4 5 3 5 3 2
Ditanya :
Bagaimana derajat korelasi antara variable X dan Y ?
Jawab :
- Buatlah worksheet sebagai berikut !
Tabel 16.22
Worksheet untuk mencari koefisien korelasi Pearson
X Y 2 2 XX
X Y
2 8 4 64 16
3 7 9 49 21
3 8 9 64 24
4 5 16 25 20
5 4 25 16 20
5 5 25 25 25
5 3 25 9 15
7 5 49 25 35
8 3 64 9 24
8 2 64 4 16
50 50 290 290 216
𝑆𝑆 = ∑𝑋 − 2 (∑𝑋)
2 = 290 − (50)
2 = 40
𝑥 𝑁 10
𝑆𝑆 = ∑𝑌 − 2 (∑𝑌)
2 = 290 − (50)
2 = 40
𝑦 𝑁 10
𝑆𝑃
𝑟= −34 = −0,85
√𝑆𝑆𝑥 ,𝑆𝑆𝑦
=
40.40
- Tarik kesimpulan
Terdapat korelasi negatif antara X dan Y dengan derajat hubungan yang cukup baik.
Jika peneliti mempunyai beberapa variabel, dan si peneliti ingin mencari hubungan
antara dua variabel dari variabel tersebut, maka koefisien korelasi dapat diatur dalam
sebuah matriks korelasi. Misalnya, dari 6 buah variabel X, Y, Z, W, Q, dan P dapat
dihitung korelasi
dan dibuat koefisien matriks sebagai berikut.
X Y Z W Q P
X 1,00 0,22 0,75 0,61 0,22 -0,71
Y 0,22 1,00 0,41 0,13 -0,60 0,36
Z 0,75 0,41 1,00 0,66 0,11 0,77
W 0,51 0,13 0,66 1,00 -0,44 0,03
Q 0,22 -0,60 0,11 -0,44 1,00 0,55
P -0,71 0,36 0,77 0,03 0,55 1,00
2. Korelasi Spearman
Jika pengamatan dari 2 variabel, X dan Y adalah dalam bentuk skala ordinal, maka
derajat korelasi dicari dengan koefisien korelasi Spearman. Prosedur untuk mencari
koefisien korelasi Spearman adalah sebagai berikut.
- Aturlah pengamatan dari kedua variabel dalam bentuk ranking.
- Cari beda dari masing-masing pengamatan yang sudah berpasangan.
- Hitung koefisien korelasi Spearman dengan rumus :
6∑𝑑 2
𝜌=1 1
− 𝑁3 − 𝑁
Dimana :
di = beda antara 2 pengamatan berpasangan.
N = total pengamatan.
ρ = koefisien korelasi Spearman.
Contoh :
Seorang peneliti ingin melihat, apakah ada korelasi antara nilai ujian akhir matematika
dan nilai ekonomi mikro. Untuk keperluan tersebut dipilih secara random nilai ujian
akhir matematika dan ekonomi mikro dari 10 mahasiswa. Nilai-nilai tersebut adalah
sebagai berikut :
Nilai Akhir
Mahasiswa
Matematika Ek. Mikro
A 1 2
B 2 3
C 3 2
D 4 5
E 5 5
F 6 7
G 7 5
H 8 6
I 9 7
J 10 8
Jawab :
Untuk melihat ada tidaknya korelasi antara nilai akhir matematika dan ekonomi makro,
peneliti tersebut ingin menggunakan koefisien korelasi Spearman. Untuk keperluan
tersebut, prosedur yang diikuti adalah sebagai berikut :
- Misalkan X = nila akhir matematika dan Y = nilai akhir dari ekonomi makro.
- Buatlah ranking dari masing-masing nilai akhir tersebut :
Nilai X : 1 2 2 3 4 5 6 8 9 10
Ranking : 1 1,5 1,5 4 5 6 7 8 9 10
Nilai Y : 2 3 2 5 5 7 5 6 8 8
Urutan : 2 2 3 5 5 5 6 7 7 8
Ranking : 1,5 1,5 3 5 5 5 7 8,5 8,5 10
=1 1
− N3−N
6(14)
=1− 3
=1− 84
= 0,915
(10) −10 990
3. Korelasi Biserial
3.1. Koefisien korelasi point biserial
Jika derajat hubungan ingin dicari antara sebuah variabel kontinu dengan sebuah
variabel dichotomi, maka indeks korelasi yang digunakan adalah koefisien korelasi point
biserial. Koefisien korelasi point biserial juga dijabarkan dari koefisien korelasi Pearson.
Rumus untuk koefisien point biserial adalah :
̅ ̅
𝑟𝑝𝑏 = 𝑋1 − 𝑋0 √𝑝. 𝑞
𝑠𝑥
Dimana :
X = variabel kontinu
𝑋̅1 = mean dari kelompok variabel kontinu yang mempunyai pengamatan satu pada
variabel dichotomi
𝑋̅0 = mean dari kelompok variabel kontinu yang mempunyai pengamatan nol pada
kelompok dichotomi
p = proporsi dari pengamatan satu pada kelompok pengamatan variabel dichotomi
q = proporsi dari pengamatan nol pada kelompok pengamatan variabel dichotomy
sx = standar deviasi dari variabel kontinu.
Contoh :
Carilah koefisien korelasi poin biserial dari variabel-variabel berikut :
X : 1 1 2 6 6 7 8 9
Y : 1 1 0 1 1 0 0 0
Jawab :
- Buatlah worksheet sebagai berikut :
Tabel 16.24
Worksheet untuk Mencari Koefisien Korelasi Poin Biserial
X Y 2
X
1 1 1
1 1 1
2 0 4
6 1 36
6 1 36
7 0 49
8 0 64
9 0 81
40 4 272
𝑝 = 4 = 0,5 ; 𝑞 = 4 = 0,5
8 8
= 𝑁
(40)2
272−
= 8
=9
8
𝑆𝑥 = √𝑉𝑥 = √9 = 3
𝑟𝑝𝑏 𝑋1 − 𝑋0
= ̅ ̅ √𝑝. 𝑞
𝑠𝑥
Koefisien korelsai biseral adalah indeks untuk mencari hubungan antara dua variable,
dimana salah satu dari variabel tersebut dianggap sebagai variabel dichotomy.
𝑟𝑏
𝑋̅𝑝 − 𝑝.𝑞
=
𝑋̅ ( )
𝑦
𝑠𝑥
Di mana:
X = variabel kontinu
𝑋̅p = mean dari variabel X pada kelompok "sukses"
Contoh :
Seorang peneliti ingin melihat apakah ada hubungan antara IQ seorang mahasiswa
dengan lulus tidaknya mahasiswa tersebut pada akhir tahun kuliah. Untuk ini, ingin dicari
koefisien korelasi biserial. Data yang dikumpulkan menunjukkan berikut ini :
- 60% dari mahasiswa lulus pada akhir tahun kuliah.
- 40% dari mahasiswa tidak lulus.
- Mean IQ dari mahasiswa yang lulus adalah 120
- Mean IQ dari mahasiswa yang tidak lulus adalah 110.
- Standar deviasi dari IQ adalah 15.
Ditanya :
Hitunglah koefisien korelasi biserial antara IQ dan lulus tidaknya mahasiswa !
Jawab :
𝑋̅𝑝 − 𝑝. 𝑞
𝑟𝑏 =̅
𝑋 ( 𝑦 )
𝑠𝑥
ANALISIS REGRESI
Di mana:
Y = variabel dependen X
= variabel independen e
= disturbance term
Dengan perkataan lain, variasi dari Y disebabkan oleh variasi dari variabel
independen X dan oleh variasi random lainnya yang tidak dapat diketahui secara pasti. Jika
hubungan yang terjadi adalah linear, maka hubungan tersebut dapat dijabarkan sebagai
berikut.
Dalam analisis regresi, dipikirkan bahwa hubungan antara variabel independen dan
variabel dependen adalah dalam bentuk linear, dan diasumsikan bahwa :
- Disturbance term adalah variabel random yang mempunyai distribusi normal.
- Mean dari disturbance term adalah nol sedangkan variance-nya konstan.
- Disturbance term dari observasi yang berbeda tidak bergantung dari disturbance
term
sebelumnva.
- Variabel eksplanatori adalah variabel nonstokhastik, diukur tanpa error dan tidak
tergantung pada disturbance term.
1. Regresi Sederhana
Analisis regresi yang menyangkut sebuah variabel independen dan sebuah variabel
dependen dinamakan analisis regresi sederhana. Hubungan stokhastik dari variabel-
variabel tersebut adalah : Y = A0 + A1X1 + ui
Dengan teknik ordinary least square (OLS), estimasi terhadap parameter dikerjakan
dengan menggunakan persamaan normal sebagai berikut :
∑Y = a0n + a1∑X1
∑X1Y = a0∑X1 + a1∑X2 i
Jika dinyatakan dalam bentuk deviasi dari mean, di mana xi = (Xi - ̅X), persamaan
normal mempunyai bentuk.
Di mana :
Y = variabel dependen.
X1 = variabel independen.
X̅ = mean dan variabel independen.
n = jumlah observasi.
a0 = intercept
Dari persamaan normal, dapat dijabarkan rumus untuk mencari estimasi parameter
(koefisien regressi), yaitu :
1 ∑𝑥1𝑦
𝑎 = ∑𝑥
2 1
∑𝑦−𝑎1∑𝑥2
𝑎0 = 1
𝑛
Dimana :
(∑𝑥1)
∑𝑥2 = ∑𝑥2 − 2
1 1 𝑛
(∑𝑥1)(∑𝑦)
∑𝑥1 𝑦 = ∑𝑥1 𝑦 −
𝑛
Dalam analisis regresi diperlukan juga untuk melihat berapa persen dari variasi
variabel dependen dapat diterangkan oleh variasi dari variabel independen. Untuk ini
digunakan koefisien diterminasi, R2.
a 12 . ∑ x2
=
∑y2
Dalam analisis regresi perlu juga diuji apakah estimator terhadap parameter berbeda
secara signifikan dari nol. Untuk maksud tersebut digunakan uji t. Untuk uji t, diperlukan
pula standar error dari estimator. Standar error dari estimator dicari dengan rumus berikut.
𝑆𝑎.1
𝜎∗2∑𝑥12
= √ 2
𝑛∑𝑥
Level signifikan : b
Statistik yang digunakan :
a0
Untuk a0 : t =
Sa.0
a1
Untuk at : t =
Sa.1
2𝑏 2𝑏
Contoh :
Dipikirkan bahwa permintaan terhadap bahan makanan Y bergantung dari Produk
Nasional Bruto (X1). Dengan perkataan lain, fungsi dari permintaan terhadap bahan
Ditanya :
a) Estimasikan fungsi permintaan terhdap bahan makanan
b) Tentukan koefisien determinasi !
c) Uji, apakah estimator berbeda dari nol atau tidak
Untuk keperluan di atas, gunakan data empiris berikut :
Jawab :
- Buatlah worksheet sebagai berikut :
Tabel 16.25
Worksheet untuk Analisis Regresi Sederhana
Y X1 2 2 Y.X1
Y X1
6 50 36 2.500 300
7 52 49 2.704 364
8 55 64 3.025 440
10 59 100 3.481 590
8 57 64 3.249 456
9 58 81 3.364 522
10 62 100 3.844 620
9 65 81 4.225 585
11 78 121 6.084 858
10 70 100 4.900 700
88 596 796 35.916 5.325
= 796 – (88)
= 39,2
10
- Hitung a1 dan a0
1
𝑎 =
∑𝑥1𝑦
=
80,2 = 0,203
∑𝑥21 394,4
0 ∑𝑌−𝑎1∑𝑥1 88−0,203(596)
𝑎 = = = −3,299
𝑛 10
Karena t < t0,025 ; df = 8 , maka hipotesis diterima. Dengan perkataan lain, a0 tidak
berbeda secara signifikan dari nol atau intercept tidak signifikan.
𝑎1 0,203
Untuk a1 : t = = = 4,951
𝑆𝑎.1 0,041
Karena t > t0,025 ; df = 8 , maka hipotesis ditolak. Dengan perkataan lain, koefisien
a1 berbeda secara signifikan dari nol.
Jika parameter dari suatu hubungan fungsional antara satu variabel dependen dengan
lebih dari satu variabel ingin diestimasikan, maka analisis regresi yang dikerjakan
berkenaan dengan regresi berganda (multiple regression). Analisis regresi berganda
mempunyai kaedah yang sama seperti analisis regresi sederhana. Rumus-rumus yang
digunakan pun tidak lain dari pengembangan dari rumus-rumus yang digunakan pada
regresi sederhana.
Jika hubungan antara satu variabel dependen dengan dua variabel independen,
berbentuk : y = a0 + a1x1 + a2x2 + e, maka persamaan normalnya adalah sebagai berikut :
∑y = a0n + a1∑x1 + a2∑x2
∑x1y = a0∑x1 + a1∑x2 + a2∑x1x2
1
∑x2y = a0∑x2 + a1∑x1x2 + a2∑x2 2
Uji t digunakan untuk melihat apakah koefisien berbeda secara signifikan dari nol
atau tidak. Teknik regresi untuk hubungan variable yang mempunyai lebih dari dua
variable independen dapat dikembangkan dari prosedur di atas. Misalnya, untuk analisis
regresi dari persamaan stokhastik.
Contoh :
Dipikirkan, bahwa terdapat hubungan linear antara pengeluaran untuk pakaian (Y) dengan
total pengeluaran (X1) dan harga bahan pakaian (X2). Hitunglah koefisien korelasi serta
reliabilitas dari koefisien tersebut dengan menggunakan data berikut :
Pengeluaran Total Harga
untuk pakaian pengeluaran bahan pakaian
3,5 15 16,0
4,3 20 13,0
5,0 30 10,0
6,0 42 7,0
7,0 50 7,0
9,0 54 5,0
8,0 65 4,0
10,0 72 3,0
12,0 85 3,5
14,0 90 2,0
Jawab :