MATA KULIAH : STATISTIKA INDUKTIF

DOSEN : ROSWITA HAFNI

PERTEMUAN : 12

KOEFISIEN KORELASI

Koefisien korelasi merupakan alat statistik yang dapat digunakan untuk mengetahui
derajat keeratan antara satu variabel independen dengan variabel dependen lain. Dan koefisien
korelasi digunakan dalam hubungannya dengan regresi linier, untuk mengukur ketepatan garis
regresi dalam menjelaskan (eksplaining) variasi nilai variabel.
Koefisien korelasiadalah angka yang menggambarkan derajat keeratan hubungan
(korelasi) antara satu variabel terikat dengan satu variabel bebas. Derajat keeratan tersebut bisa
positif, disebut dengan Korelasi Positif. Dikatakan dua variabel berkorelasi positif jika kedua
variabel tersebut cenderung berubah bersama satu (path) arah yang sama. Jika variabel bebasnya
berrtambah maka variabel terikatnya juga bertambah atau sebaliknya jika variabel bebasnya
berkurang maka variabel terikatnya juga berkurang yang disebut dengan berbanding lurus
(dengan tanda koefisien korelasinya positif (+)). Sedangkan jika derajat keeratan tersebut bernilai
negatif, disebut dengan Korelasi Negatif, artinya variabel berkorelasi negative jika kedua
variabel tersebut cenderung berubah pada arah yang berlawanan, jika variabel bebasnya
bertambah maka variabel terikatnya berkurang, begitu juga sebaliknya jika variabel bebasnya
berkurang, maka variabel terikatnya bertambah, yang disebut dengan berbanding terbalik
(dengan tanda koefisien korelasinya negatif (-)). Jika derajat keeratan tersebut bernilai nol, maka
disebut tidak berkorelasi, jadi dua variabel tidak berkorelasi jika kedua variabel berubah dan
tidak berkorelasi satu sama lain. Dan jika nilai derajat keeratan sama dengan satu dan negatif
satu maka disebut dengan berkorelasi.
Untuk mengukur keeratan antara dua variabel, digunakan parameter koefisien korelasi.
Koefisien korelasi populasi diukur dengan R dan diestimasi dan koefisien korelasi sampel yang
dinotasikan dengan r.
Koefisien korelasi diperoleh dengan rumus berikut:
 ∑ Xi Y i
r xy = dimana : x i=X i −X dan y i=Y i −Y
√∑ X √∑Y
2
i
2
i

Atau
n∑ xy −∑ x ∑ y
r= . . . . . . . . . . . . (rumus 1)
√ n∑ X −( ∑ X )2 √ n ∑ Y 2−(∑ Y )2
2

Besar nilai koefisien korelasi sebesar -1 atau 1, menunjukkan bahwa terdapat hubungan yang
sempurna antara kedua variabel, sedangkan nilai koefisien korelasi 0 menunjukkan hubungan
antara kedua variabel tersebut sama sekali tidak sempurna. Jika nilainya berkisar -1 s/d 1, maka
hal ini perlu diuji keeratannya, yang disebut dengan Uji Koefisien Korelasi.
Menurut Guilford, untuk membaca rendah tingginya keeratan variable tersebut dapat
diklassifikasikan sebagai berikut.
Tabel 7. Nilai Korelasi Menurut Guilfrod
Koefisien Korelasi Keterangan

r ≤ 0,2 Tak ada hubungan antara kedua variabel

0,2 ≤ r ≤ 0,4 Hubungan antara kedua variabel lemah

0,4 ≤ r ≤ 0,7 Hubungan antara kedua variabel sedang

0,7 ≤ r ≤ 0,9 Hubungan antara kedua variabel kuat

0,9 ≤ r ≤ 1 Hubungan antara kedua variabel sangat kuat

UJI KOEFISIEN KORELASI

Pengujian terhadap koefisien korelasi dapat dilakukan dengan langkah-langkah sebagai berikut:
1. Rumusan Hipotesis
Rumusan hipotesis dimuat berdasarkan hipotesis (dugaan) yang digunakan dalam
pengujian. Apakah dengan menggunakan uji dua sisi (two tik test) atau satu sisi (one tik
test).
 a. Hipotesis Ho : r = 0 (tidak ada hubungan (korelasi) antara variabel x terhadap
variabel y)
Ha : r ≠ 0 (ada hubungan antara variabel x terhadap variabel y)
b. Hipotesis Ho : r = 0 (tidak ada hubungan (korelasi) antara variabel x terhadap
variabel y)
Ha : r > 0 (ada hubungan antara (korelasi) antara variabel x
terhadap variabel y yang berbanding lurus)
c. Hipotesis Ho : r = 0 (tidak ada hubungan (korelasi antara variabel x terhadap
variabel y)
Ha : r < 0 (ada hubungan antara variabel x terhadap variabel y yang
berbanding terbalik)
2. Uji hipotesis yang digunakan dalam pengujian keofisien korelasi adalah uji t, yaitu uji
korelasi distribusi normal t (t distribution), dengan rumus
r r r √n−2
t =T = =
r √ ( 1−r ) /(n−2) √ 1−r 2
2

dan akan dibandingkan dengan nilai t tabel = t (α ,n−2) yaitu dengan tingkat significant α dan

derajat kebebasan (d.k = n -2 ) untuk 1 pihak, dant tabel = t ( α ,n−1) adalah untuk 2 pihak.
2

3. Kriteria uji, tergantung 2 pihak (two tile test) atau uji satu pihak (one tik test),
misal uji 2 pihak:

Terima Ho, jika -t ( α ,n−1)< t < +t ( α ,n−1), hal lain tolak Ho.
2 2

Atau dapat dilihat pada kurva normal distribusi t.

Kurva 8.1.

Tolak H0 Tolak H0

Terima H0

-tabel tabel
 4. Kesimpulan

MENILAI GOODNES OF FIT SUATU MODEL

Ketepatan fungsi regresi linier sampel dalam menaksir nilai aktual dapat diukur dari
goodness of fitnya. Secara statistik, setidaknya hal ini dapat diukur dari nilai uji statistic F, nilai
uji statistic t, dan koefisien determinasi D.

Uji Kelinieran Model (Uji Statistik F)

Model Regresi Linier mengasumsikan bahwa pengaruh perubahan variabel bebas (X) terhadap
variable terikat (Y) adalah linier. untuk menguji kelinieran pengaruh variabel bebas (X) terhadap
variable terikat (Y), maka hipotesis yang dibentuk;
Hipotesis,
H0 : variabel yang satu (variabel bebas) lidak berpengaruh linier terhadap variabel
yang Iainnya (variable terikat)
Ha : variabel yang satu (variabel bebas) berpengaruh linier terhada variabel yang
lainnya (vaniabel terikat).

Maka dilakukan uji statistik F. uji kelinieran pengaruh ‘variabel pada dasarnya menunjukkan
apakah variabel bebas yang dimasuksud dalam model berpengaruh linier terhadap vriabel
terikatnya. Uji Statistik F dapat dihitung dengan rumus sebagai berikut:

b1 . JK XY
SSR /k R2 /k
Fhit =
[
JK YY −b1
(n−2)
. JK
]
XY atau F= =
SSE /(n−k−1) (1−R 2)/(n−k−1)

Dimana:
n =jumlah sempel atau observasi.
k = jumlah variabel bebas.
SSR = jumlah kuadrat regresi.
SSE = jumlah kuadrat dari kesalahan(error)peramalan.
SST = SSE+SSR=jumlah kuadrat total.
R2 = besarnya koefisien determinasi sampel

selanjutnya dengan membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel,

dimana F tabel=F ( ∝2 , n−k−1).

Dengan kriteria ujisebagai berikut : TerimaH0 jika - F tabel< F hitung< F tabel , hal lain tolak H0
Atau, kriteria uji dapat diperlihatkan dengan distribusi kurva F.

MENILAI GOODNES OF FIT SUATU MODEL

Goodness of fit model regresi linier berganda pada umumnya sama dengan model regresi
linier sederhana, Perbedaannya hanya pada uji statistik F. Jika dalam regresi linier sederhana uji
statistik F digunakan untuk uji kelinieran model, maka dalam regresi linier berganda uji statistik
F digunakan untuk menguji pengaruh variabel bebas secara serempak (simultan) terhadap
variabel terikat
Uji Signifikansi Variabel secara Serempak (Uji Statistik F) pada dasarnya digunakan
untuk menunjukkan apakah secara serempak (simultan atau bersama-sama) semua variable bebas
yang dimasukkan ke dalam model berpengaruh nyata terhadap variabel terikat. uji statistik F
dimaksudkan untuk mengetahui tingkat signifikansi statistic koefisien regresi secara serempak.
Hipotesis yang hendak diuji adalah :
Hipotesis H0 : b1 = b2 = ...... = bk = 0(Semua parameter dalam model=0, artinya, seluruh variabel
bebas secara serempak tidak berpengaruh signifikan atau nyata terhadap variabel terikat).
H a :b1 ≠ b2 .... ≠ bk ≠ 0(Semua parameter dalam model≠0, artinya, seluruh variabel bebas secara
serempak berpengaruh signifikan atau nyata terhadap variable terikat)

Uji statistik yang digunaka dalah uji F,

2
R
k
F hitung =
( 1−R2 )
(n−k−1)
Dimana :
2
R adalah koefisien determinasi
k adalah jumlah variabel bebas
n banyaknya sampel
Nilai Fhitung dibandingkan dengan nilai Ftabel dimana Ftabel dengan derajat kesalahan ∝, dan derajat
kebebasan, dk = n-k-1, maka nilai :

F tabel=F ( ∝2 , n−k−1)
Kriteria Uji:
Terima H0, jika –Ftabel< Fhitung < Ftabel, . hal lain tolak H0. Kriteria pengujian ini juga dapat dilihat
dari tabel distribusi F;

SIGNIFIKANSI PARAMETER INDIVIDUAL (UJI KORELASI PARTIAL STATISTIK

t)
Uji signifikan statistik t digunakan untuk menunjukkan pengaruh satu variabel bebas (X)
secara parsial (individual) terhadap variabel terikat (Y). dengan langkah pengujian sebagai
berikut:
Hipotesis; H 0: bi = 0 , variabel yang satu (variabel bebas) tidak berpengarub nyata terhadap
variabel yang lainnya (variabel terikat).
H a :bi ≠ 0, variabel yang satu (variabel bebas) berpengaruh nyata terhadap variabel yang Iainnya
(variabel terikat).

Uji statistic yang digunakan adalah ujisignifikan statistik t. dengan hitungan sebagai berikut:
b
th=
s / √ JK xx
Dimana;

S = Standart deviasis =
√ JK xx – b1 . JK xy
( n−2 )
JKxx= n∑ x 2i −¿ ¿ 2
JKYY= n ∑ X i −¿ ¿2
2
JKXY=n∑ XY −∑ X . ∑ Y

bi
Sehingga untuk bi koefisien xi maka uji statistic t h=
sb i

Dimana : bi= koefisien variabel xi

sb = standart deviasi bi
i

Selanjutnya membandingkan nilai statistik t hitung dengan nilai distribusi normal t table, yaitu
t(a/2,n-1).
Kriteria uji . Terima H 0, jika: -ta/2,.n-1 ≤ t ≤ ta/2,.n-1, hal lain, maka tolak H 0. Atau dapat dilihat
dalam grafik distribusi normal t.
Gambar 20.

Tolak H0 Tolak H0

Terima H0
Z,t

-ttabel ttabel

Contoh

Perolehan hitungan adalah:

∑ x 1=131, ∑ x 2=606 , ∑ y=51.3, ∑ x 12=1477

∑ x 22=25040 , ∑ x 1 x2=5703, ∑ x 1 y=500.1, ∑ x 2 y=2138.5
∑ y2 = 186.49

Uji korelasi x 1 ( pengalaman kerja ) dengan y ( pendapatan usaha tani ) adalah sbb :
Hipotesis Ho : r x 1 y=0 ( tidak ada hubungan pengalaman kerja dengan pendapatan usaha tani )
Ha : r x 1 y ≠ 0 ( ada hubungan pengalaman kerja dengan pendapatan usaha tani )
Perhitungan statistik nya adalah : n = 15
 n ∑ x 1 y −∑ x 1 ∑ y
r x 1 y=
√ n ∑ x −¿ ¿ ¿
2
1

15× 500,1−131 ×51,3

=
√ 15× 1477−¿¿ ¿
781,2
=
√22.155−17.161× √ 2797,35−2631,69
781,2 781,2 781,2
= = 70,66× 12,87 = 909,3942 = 0,00008
√ 4.994 × √165,66

Uji statistika korelasi adalah uji t :

t r x 1 y √ n−2
h=
√ 1−r x 1
y2

0,00008 √ 13 0,00008 ×3,60 0,000288

= = =
√1−¿¿ ¿ √1−0,0000000064 √ 0,99
= 0,0002
Dengan t tabel = ± t (α/2 , n – 1)
5%
=±t( ,15−1)
2
= ± t (250 , 14)
Kriteria uji, terima Ho jika −t t <t <+t t
Ternyata, 0,0002 ˂ 0,691
Maka tolak Ha, berarti terima Ho
Kesimpulan nya , terima Ho artinya tidak ada hubungan pengalaman kerja terhadap pendapatan
usaha tani.
Uji korelasi x 2 (umur tani) dengan y (pendapatan usaha tani) adalah sbb :
Hipotesis Ho : r x 2 y=0(tidak ada hubungan umur tani dengan pendapatan usaha tani)
Ha : r x 2 y ≠ 0 (ada hubungan umur tani dengan pendapatan usaha tani)
Perhitungan statistik nya adalah : n = 15
n ∑ x 2 y −∑ x 2 ∑ y
r x 1 y=
√ n ∑ x −¿ ¿ ¿
2
2

15× 2138,5−606 × 51,3

=
√15 ×25.040−¿ ¿ ¿
 32077,5−31087,8
=
√375.600−367.236 × √ 2797,35−2631,69
989,7 989,7 989,7
= = 91,4 ×12,8 = 1169,92
√ 8.364 × √ 165,66
= 0,84
Uji statistik korelasi adalah uji t :
r x 2 y √ n−2
th =
√ 1−r x 2 y
2

0,84 √ 15−2 0,84 √13 0,84 ×3,60 3,024

= = = = 0,54
√1−¿ ¿ ¿ √1−0,7056 √ 0,2944
= 5,6
Dengan t tabel = ± t (α/2 , n – 1 )
= ± t ¿ , 15 – 1 )
= ± t (250 , 14 )
Kriteria uji, terima tersebut jika −t t <t <+t t
Ternyata, −0,691<5,6> 0,691
Maka tolak Ho, berarti terima Ha
Kesimpulan nya, terima Ha yang artinya ada hubungan antara umur tani terhadap pendapatan
usaha tani.

Uji Signifikan Parameter Individual (parsial) yaitu uji statistik t

Untuk menguji parameter masing-masing, digunakan uji t dengan hipotesis:
H0 = bi = 0 (tidak ada hubungan antara satu variabel terikat y terhadap satu variabel bebas
xi)
Ha = bi ≠ 0 (ada hubungan antara satu variabel y terhadap satu variabel bebas xi)

Uji statistik yang digunakan adalah distribusi student t, sesuai dengan rumus signifikan untuk
variabel bebasxi
bi
thitung¿
Sbi
dimana bi = masing-masing koefisien variabel bebas xi
Sbi = satandard deviasi bi

dengan membandingkan nilai thitung dengan nilai ttabel= t ( ∝2 , n−1).

Kriteria uji terima H0, jika –ttabel< thitung<ttabel , dan hal ini tolak H0 . Atau dengan menggunakan
kurva distribusi normal t.
Gambar 10.

Tolak H0 Tolak H0

Terima H0

-tabel tabel

Contoh 8.4.
Berikut adalah data jumlah penawaran (kg) komoditi lada dengan harga komoditi lada Rp (000),
selama 8 hari berturut – turut.
Tabel 8. jumlah penawaran komoditi laba (kg) dan harga komoditi laba (000)
Periode Waktu (hari) Jumlah Penawaran (kg) Harga (Rp)

T x Y

1 20 64

2 16 61

3 34 84

4 23 70

5 27 88

6 32 92

7 18 72
 8 22 77

Permasalahannya adalah ;
1. Ada dugaan bahwa jumlah penawaran komoditi lada (Rp) berkorelasi (berhubungan)
dengan harga komoditi lada Rp (000),
2. Ada dugaan bahwa jumlah penawaran komoditi lada (Rp) berkorelasi yang positif
(berhubungan positif) dengan harga komoditi lada Rp (000), artinya jika jumlah
penawaran komoditi lada meningkat, maka harga komoditi lada meningkat, dan jika
jumlah penawaran turun maka harga juga turun.
Untuk menduga korelasi tersebut, langkah pertama adalah menentukan nilai koefisien korelasi r,
maka diperlukan perhitungan pada tabel berikut ini.
Tabel 9. Data jumlah penawaran dan harga lada yang diolah pada tabel 2
Periode Waktu Jumlah Penawaran Harga (Rp) x2 y2 xy
(hari) (kg)
Y
T x

1 20 64 400 4096 1280

2 16 61 256 3721 976

3 34 84 1156 7056 2856

4 23 70 529 4900 1610

5 27 88 729 7744 2376

6 32 92 1024 8464 2944

7 18 72 324 5184 1196

8 22 77 484 5929 1694

n=8 ∑x = 192 ∑y = 608 ∑ x 2=¿ ∑ y2 = ∑xy =

4902 47094 15032

Sehingga diperoleh n = 8, ∑x = 192, ∑y = 608, ∑ x 2=¿4902, ∑ y 2 = 47094, ∑xy = 15032

Maka koefisien korelasi r :
n ∑ xy−∑ x ∑ y
r=
√ n∑ x −(∑ x 2) √ n∑ y 2−(∑ y 2 )
2
 8 ( 15032 )−( 192 ) (608)
=
√ 8(4902)−¿ ¿ ¿
3520
r= = 0,86
4083,2
Koefisien korelasi (r) = 0,86 , artinya derajat keeratan hubungan antara jumlah penawaran lada
(kg) dengan harga lada (000) sebesar 0,86 dan bisa dikatakan hubungan tersebut kuat, karena jika
dilihat pada table 1. Nilai korelasi menurut Guilford jika berada dalam interval 0,7≤r≤0,9 maka
hubungan antar kedua variable kuat. Namun untuk menguji keeratan tersebut maka dilakukan
pengujian koefisien korelasi. Nilai koefisien korelasi bertanda positif menunjukkan adanya
hubungan yang berbandi ng lurus, artinya semakin banyak lada yang ditawarkan, maka harga
lada tersebut akan semakin tinggi, sebaliknya, jika jumlah lada yang ditawarkan sedikit, maka
harga lada juga akan turun.
Untuk menjawab dugaan diatas:
1) Ada dugaan bahwa jumlah penawaran komoditi lada (Rp) berkorelasi (berhubungan) dengan
harga komoditi lada Rp (000), digunakan uji korelasi two tile test (uji 2 pihak)
Hipotesis yang dibentuk:
Ho : r = 0 (tidak ada hubungan antara jumlah penawaran lada dengan harga lada)
Hi : r ≠ 0 (ada hubungan antara jumlah penawaran lada dengan harga lada).
Uji statistik yang digunakan adalah uji korelasi r, derajat kesalahan α = 5%, n = 8, dan r = 0,86,
maka distribusi t hitung dapat ditulis:
r √ n−2
t=
√ 1−r 2
0,86 √ 8−2
t=
√1−(0,86)2
2,106
t= = 4,127
0,520
dengan melihat nilai tabel distribusi t = t (α ,n−2) = t (0,05 ;8−2) = t (0,05 ,6 ) = 1,943

Kriteria uji: Terima Ho, jika -t ( α ,n−1)< t < +t ( α ,n−1), dalam hal ini tidak benar
2 2

bahwa -1,943 < 4,127 < 1,943.Maka tolak Ho, atau terima Ha
Atau dapat dilihat pada kurva normal distribusi t.
Kurva 1.
 Tolak H0 4,127 berada dalamTolak H0

Terima H0

-1,943 1,943
Kesimpulan : Terima Ha, yaitu : Ada hubungan antara jumlah penawaran lada dengan
harga lada
2). Ada dugaan bahwa jumlah penawaran komoditi lada (Rp) berkorelasi yang positif
(berhubungan positif) dengan harga komoditi lada Rp (000),
Dalam pengujian koefisien korelasi digunakan uji satu pihak (one tile test) karena dugaan
sementara apakah benar r > 0 artinya apakah benar ada keeratan hubungan antara jumlah
penawaran lada dengan harga lada yang positif?,
Hipotesis yang dibentuk:
Ho : r = 0 (tidak ada hubungan antara jumlah penawaran lada dengan harga lada)
Hi : r > 0 (ada hubungan yang positif antara jumlah penawaran lada dengan harga lada).
Uji statistik ;
r √ n−2
t=
√ 1−r 2
0,86 √ 8−2
t=
√1−(0,86)2
2,106
t= = 4,127
0,520
nilai tabel distribusi t = t (α ,n−2) = t (0,05 ;8−2) = t (0,05 ,6 ) = 1,943
Kriteria uji: terima Ho, jika t <t tabel, karena 4,137 > 1,943, maka tolak Ho, berarti terima Hi atau
dalam distribusi kurva normal dapat dilihat kurva 2.
Kurva 2.
 Tolak H0

Terima H0

1,943
4,137

Kesimpulan: Nilai t hitung = 4,127 berada dalam daerah tolak Ho, berarti terima Ha, artinya
terdapat hubungan yang positif antara jumlah lada yang ditawarkan dengan harga
lada dan jika jumlah lada yang ditawarkan meningkat.

Contoh 8.5
Dari contoh 8.3, penelitian mengenai pendapatan usaha tani apakah dipengaruhi oleh
pengalaman bekerja dan umur petani, persamaan regresi liniernya telah diperoleh;
^y =1,040992+0.114268 x 1+ 0.034185 x 2
Dimana
^y :estimasi pendapatan usaha tani
x 1:pengalama kerja tani
x 2:umur tani
Untuk menguji apakah
1) Pengalaman kerja tani x 1 berpengaruh dengan pendapatan tani y
2) Umur tani x 2berpengaruh dengan pendapatan taniy
Langkah pengujian sebagai berikut

1). Hipotesis Ho : r x 1 y=0( tidak ada hubungan pengalaman kerja dengan pendapatan usaha
tani )
Ha : r x 1 y ≠ 0 (ada hubungan pengalaman kerja dengan pendapatan usaha tani )
Perhitungan statistik nya adalah : n = 15 Perolehan hitungan pada contoh 9.3 adalah:
∑ x 1=131, ∑ x 2=606 , ∑ y=51.3, ∑ x 12=1477 , ∑ x 22=25040 , ∑ x 1 x2=5703,
∑ x 1 y=500.1, ∑ x 2 y=2138.5, selanjutnya hitung ∑ y = 186.49 2

n ∑ x 1 y −∑ x 1 ∑ y
r x 1 y=
√ n ∑ x −¿ ¿ ¿
2
1

15× 500,1−131 ×51,3

=
√ 15× 1477−¿¿ ¿
781,2
=
√22.155−17.161× √ 2797,35−2631,69
781,2 781,2 781,2
= = 70,66× 12,87 = 909,3942 = 0,00008
√ 4.994 × √165,66
Uji statistika korelasi adalah uji t :
t r x 1 y √ n−2
h=
√ 1−r x 1
y2

0,00008 √ 13 0,00008 ×3,60 0,000288

= = =
√1−¿¿ ¿ √ 1−0,0000000064 √ 0,99
5%
= 0,0002, dengant tabel = ± t (α/2 , n – 1)= ± t ( 2 ,15−1)= ± 0,691

Kriteria uji, Terima Ho jika −t t <t <+t t , Ternyata, -0,691˂ 0,0002 ˂ 0,691,
Maka terima Ho
Kesimpulan, Tidak ada hubungan pengalaman kerja terhadap pendapatan usaha tani.

2). Hipotesis Ho : r x 2 y=0(tidak ada hubungan umur tani dengan pendapatan usaha tani)
Ha : r x 2 y ≠ 0 (ada hubungan umur tani dengan pendapatan usaha tani)
Perhitungan statistik nya adalah :
n ∑ x 2 y −∑ x 2 ∑ y
r x 2 y=
√ n ∑ x −¿ ¿ ¿
2
2

15× 2138,5−606 × 51,3

=
√15 ×25.040−¿ ¿ ¿
32077,5−31087,8
=
√375.600−367.236 × √ 2797,35−2631,69
 989,7 989,7 989,7
= = 91,4 ×12,8 = 1169,92
√ 8.364 × √ 165,66
= 0,84
Uji statistik korelasi adalah uji t :
r x 2 y √ n−2
th =
√ 1−r x 2 y
2

0,84 √ 15−2 0,84 √ 13 0,84 ×3,60 3,024

= = = = 0,54
√1−¿ ¿ ¿ √1−0,7056 √ 0,2944
= 5,6 , dengan t tabel = ± t (α/2 , n-1) = ± t ¿ ,15-1)=±0,691
Kriteria uji, terima tersebut jika −t t <t <+t t, Ternyata, −0,691<5,6> 0,691, maka t tolak Ho,
berarti terima Ha
Kesimpulan nya, Ada hubungan antara umur tani terhadap pendapatan usaha tani.

8.4. KOEFISIEN DETERMINASI ( R2)

Koefisien Determinasi ( R2) adalah suatu nilai statistik yang dapat digunakan untuk mengukur
seberapa besar kemampuan variabel bebas dalam menerangkan variasi variabel terikat, atau
koefisien determinasi ( R2) bertujuan untuk mengetahui kekuatan variabel – variabel bebas dalam
menjelaskan variabel terikat dalam persamaan regresi yang dihasilkan. Misalnya, nilai ( R2)
dalam suatu persamaan regresi yang menunjukkan hubungan pengaruh (fungsional) antara
variabel Y sebagai variabel dependen dan variabel X sebagai variabel independen, yang
diperoleh dari hasil perhitungan tertentu adalah 0,85. Ini artiny bahwa variasi nilai Y yang dapa
dijelaskan oleh persamaan regresi yang diperoleh adalah 85% sedangkan sisanya 15%
dipengaruhi oleh variabel lain yang tidak diamati atau berada diluar persamaan (model).
Koefisien determinasi yang diperoleh dari suatu sampel disebut koefisien determinasi sampel.
Koefisien determinasi sampel diperoleh dari hubungan antara dua macam deviasi, yaitu deviasi
nlai Y observasi dalam satu set data di sekitar garis regresi dan deviasi Y observasi di sekitar rata
– ratanya. Deviasi nilai Y disekitar garis regresi adalah:
∑( y – ^y )2 yang disebut juga jumlah penyimpangan Y dengan estimasinya.
Sedangkan deviasi nilai Y di sekitar rata – rata nya adalah:
∑( y – y )2 atau jumlah penyimpangan Y dengan rata – ratanya.
Koefisien determinasi ( R2) adalah satu dikurangi rasio antara besarnya deviasi nilai y observasi
dari garis regresi dengan besarnya deviasi nilai y observasi dari rata – ratanya atau secara
matematika dapat di tulis sebagai berikut:
2
2 ∑( y – ^y )
R =1-
∑( y – y )2
Interpretasi tentang koefisien determinasi ( R2 ¿dapat dilakukan dengan cara lain, yaitu dengan
menggunakan ukuran jumlah deviasi dalam y yang dapat dijelaskan oleh garis regresi (amount of
the variation in ythat is explained by the regression line).
Ini dapat diperlihatkan pada grafik berikut

Kurva Penjelasan Konsep Deviasi Total Explained dan Inxplained

 Y 10

7 ŷ
6 SSE
SST
5
SSR
y 4
3

0 X
2 3 4 5 6 7 8 9 10

Nilai rata – rata y adalah y (y bar) dan nilai estimasi y adalah ^y (y topi).
Misalnya, titik A adalah satu titik pasangan data A ( x i , y i ). Deviasi total (total deviation) y,
terhadap rata – ratanya adalah (y - y ). Besarnya deviasi total ini terdiri dari deviasi yang dapat
dijelaskan (explained deviation) dan deviasi yang tidak dapat dijelaskan (unexplained deviation).
Total deviasi dari semu titik (pasangan data) adalah jumlah kuadrat deviasi total titik tersebut
dari rata – ratanya yaitu:
∑( y− y)2 = ∑( y− ^y )2 + ∑( ^y − y)2
Variasi yang dapat dijelaskan (explained variation ) adalah jumlah kuadrat deviasi yang
dapat dijelaskan nilai garis regresi terhadap rata – ratanya. Besaran ini disebut juga sebagai
jumlah kuadrat regresi (Sum of Square Regretion/SSR) atau secara matematik ditulis sebagau
berikut:
∑( ^y − y)2
Variasi yang tidak dapat dijelaskan (unexplained regretion) adalah jumlah kuadrat deviasi
yang tidak dapat di jelaskan nilai y terhadap garis regresinya. Besaran ini disebut juga sebagai
jumlah kuadrat kesalahan (Sum of Square Errow/SSE) atau secara matematik dapat di tulis:
∑( y− ^y )2
 Koefisien determinasi (R2 ) adalah persentase nilai y yang dapat dijelaskan oleh garis
regresi. Deviasi total adalah persentase deviasi yang dapat dijelaskan ditambah persentase
deviasi yang tidak dapat dijelaskan.
Dengan demikian persentase deviasi yang tidak dapat di jelaskan adalah 100% atau 1.
Besarnya persentase deviasi yang tidak dapat dijelaskan (unexplained deviation) oleh garis
regresi adalah deviasi yang tidak dapat dijelaskan yaitu ∑ ( y− ^y )2 dibagi deviasi total yaitu ∑
( y− y)2.
Secara maetematik dapat ditulis sebagai berikut:
∑( y − ^y )2
2
∑( y − y)
Persentase deviasi yang dapat dijelaskan (explained deviation) adalah besarnya koefisien
determinasi ( R2) yaitu:
2
2 ∑( y − ^y ) SSE
R =1- 2 = 1 -
∑( y − y) SST

Besarnya koefisien determinasi ( R2) dapat juga dicari dengan menggunakan formulasi (formulasi
alternative) sebagai berikut:
SSR
2
R = = a ∑ y +b ∑ xy −n ¿ ¿
SST
Dengan keterangan:
2
R = besarnya koefisien determinasi sampel
SSR = Sum of Square Regretion (explained variation)
SST = Sum of Square total (Total Variation)
a = titik potong kurva terhadap sumbu y (intercept)
b = koefisien variabel x (best sitting)
x = nilai variabel x
y = nilai variabel y
n = banyaknya data
y = nilai rata – rata variabel y.
SSE = Sum of Square Error
 Selain diturunkan dari koefisien determinasi ( R2), koefisien korelasi (r) juga digunakan
untuk menentukan nilai koefisien determinasi ( R2), dengan menggunakan formulasi sebagai
berikut:
n ∑ xy−∑ x ∑ y
r=
√ n∑ x −(∑ x)2 √ n∑ y 2−(∑ y )2
2

Contoh 8.4, yang digunakan berikut adalah data tabel 3

Tabel 10 Jumlah penawaran (kg) dan harga komoditi lada Rp (ooo) selama 8 hari sebagai
berikut:
Periode waktu (hari) Jumlah Penawaran (kg) Harga (Rp)

T X Y

1 20 64

2 16 61

3 34 84

4 23 70

5 27 88

6 32 92

7 18 72

8 22 77

Dengan bantuan tabel sebelumnya.

Tabel 11. Data jumlah penawaran dan harga yang diolah pada tabel 3.1
Jumlah Penawaran Harga (Rp)
(kg) X x2 y2 Xy
Y

20 64 400 4096 280

16 61 256 3721 976

34 84 1156 7056 2856

23 70 529 4900 1610

27 88 729 7744 2376

 32 92 1024 8464 2944

18 72 324 5184 1196

22 77 484 5929 1694

∑x = 192 ∑y = 608 ∑ x 2 = 4902 ∑ y2 = ∑xy = 15032

47094

Dari persamaan regresi linier dengan metode kuadrat terkecil (Ordinary Least Square Method)
telah di peroleh pada contoh pembahasan sebelumnya:
y = 40 + 1,5 x
dan diperoleh data : n = 8 , a = 40 , b = 1,5 , ∑x = 192, ∑y = 608, ∑xy= 15032,
∑ x 2 = 4902, ∑ y 2 = 47094, y = 76
Maka
R = a ∑ y +b ∑ xy −n ¿ ¿
2

= ( 40 )( 608 )+ ( 1,5 )( 15032 )−( 8 ) ¿ ¿

4320+22548−46208
= 47094−46208
660
= 886 = 0,74

Koefisien determinasi ( R2) adalah 0,74 atau 74%.

Jika dengan menggunakan formulasi koefisien korelasi r diperoleh.
n ∑ xy−∑ x ∑ y
r=
√ n∑ x −(∑ x)2 √ n∑ y 2−(∑ y )2
2

8 ( 15032 )−( 192 ) (608)

=
√ 8 ( 4902 )−(192)2 √8 ( 47094 )−(608)2
3520
= 4083,2 = 0,86

r =0,86 = 0,74
2 2

Artinya: jika besarnya koefisien determinasi ( R2 ¿ dari persamaan regresi linier y = 40 +

1,5xadalah 0,74, berarti besarnya persentase jumlah penawaran terhadap harga produk komoditi
lada yang dijelaskan oleh garis regresi adalah 74%. dan sisanya ada 26% bahwa jumlah
penawaran lada dipengaruhi oleh variabel lain yang tidak diamati misalnya jumlah penduduk,
kualitas lada dan sebagainya.