MAKALAH TENTANG

ANALISIS KORELASI

Dosen :

Syf. MELLY MAULINA .ST.,MT.

Disusun Oleh Kelompok 9 :

Erman (1910212200)
Heri kurniawan (1910212175)

FAKULTAS TEKNIK

PRODI TEKNIK SIPIL

UNIVERSITAS PANCA BHAKTI PONTIANAK TAHUN AJARAN 2021-2022

 KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan inayah-Nya
sehingga kami dapat menyelesaikan Makalah tentang Analisis Korelasi

Terima kasih saya ucapkan kepada Ibu Melly Maulina, ST., MT yang telah membantu kami
baik secara moral maupun materi. Terima kasih juga saya ucapkan kepada teman-teman
seperjuangan yang telah mendukung kami sehingga kami bisa menyelesaikan tugas ini tepat
waktu.

Kami menyadari, bahwa yang kami buat ini masih jauh dari kata sempurna baik segi
penyusunan, bahasa, maupun penulisannya. Oleh karena itu, kami sangat mengharapkan kritik
dan saran yang membangun dari semua pembaca guna menjadi acuan agar penulis bisa menjadi
lebih baik lagi di masa mendatang.

Semoga Makalah ini bisa menambah wawasan para pembaca dan bisa bermanfaat untuk
perkembangan dan peningkatan ilmu pengetahuan.

Pontianak , 3 February 2022

Kelompok 9
 DAFTAR ISI

Halaman Judul…………………………………………………………………………………

Kata Pengantar………………………………………………………………………………..

Daftar Isi…………………………………………………………………………………….

BAB I PENDAHULUAN

A. Latar Belakang……………………………………………………………………..

B. Rumusan Masalah ………………………………………………………………..

C. Tujuan Penulisan …………………………………………………………………

BABII PEMBAHASAN

A. Apa yang dimaksud dengan analisa korelasi PPM?..................................................

B. Bagaimana tekhnik dan aplikasi penghitungan korelasi PPM?...............................

C. Pengertian analisis regresi …………………..…………………………………….

D. Pengertian Korelasi Linier Sederhana …………………………………….……..

E. Contoh Soal Analisa Korelasi ……………………………………………………

BAB III PENUTUP

A. Kesimpulan ………………………………………………………………………

B. Daftar Pustaka ………………………………………………………………….

 BAB I

PENDAHULUAN

A. LATAR BELAKANG

Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara dua
variabel atau lebih. Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun
1900. Di dalam teknik analisis korelasi, hubungan antara dua variabel hanya mengenal hubungan
searah (linier) saja, misalnya: tinggi badan menyebabkan berat badannya bertambah, tetapi berat
badannya bertambah belum tentu menyebabkan tinggi badannya bertambah pula. Sehingga dari
contoh tersebut dapat diketahui bahwa dalam analisis korelasi dikenal penyebab dan akibatnya.

Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) yang biasanya
ditandai dengan huruf X. Sedangkan data akibat atau yang dipengaruh disebut variabel terikat
(dependent) yang biasanya dilambangkan dengan huruf Y. Cara menentukan variabel bebas dan
variabel terikat tergantung pada landasan teori yang digunakan.

• Ada dua jenis statistik untuk menghitung korelasi:

- Koefisien korelasi bivariate: Yaitu statistik yang dapat digunakan oleh peneliti
untuk menerangkan keeratan hubungan antara dua variabel.

- Koefisien korelasi multi-variat: Yaitu statistik yang digunakan peneliti untuk

menggambarkan dan menentukan hubungan antara tiga variabel atau lebih.

• Macam-Macam Koefisien Analisis Korelasi

- Product Moment Pearson: Kedua variabelnya berskala interval
- Rank Spearman: Kedua variabelnya berskala ordinal
- Point Serial: Satu berskala nominal sebenarnya dan satu berskala interval
- Biserial: Satu berskala nominal buatan dan satu berskala interval
- Koefisien kontingensi: Kedua varibelnya berskala nomina
B. Rumusan Masalah

1. Apa yang dimaksud dengan analisa korelasi PPM?

2. Bagaimana tekhnik dan aplikasi penghitungan korelasi PPM?

3. Pengertian analisis regresi

4. Pengertian Korelasi Linier Sederhana

5. Contoh Soal Analisa Korelasi

C. Tujuan Penulisan

1. Menjelaskan apa yang dimaksud dengan analisa korelasi PPM?

2. Menjabarkan tekhnik analisa korelasi PPM

3. Mengaplikasikan analisa korelasi PPM dalam karya tulis ilmiah

4. Menjelaskan apa yang di madsud Regresi

5. Menjelas kan apa yang dimadsud Linier Sederhana

 BAB II

PEMBAHASAN

A. Pengertian Analisis Korelasi PPM

Korelasi PPM atau sering disingkat korelasi saja merupakan salah satu teknik
korelasi yang paling banyak digunakan dalam penelitian sosial. Besarnya angka korelasi
disebut koefisien korelasi yang dinyatakan dengan lambang r.

Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk
mengukur kekuatan dan arah hubungan linier dari dua variabel. Dua variabel dikatakan
berkorelasi apabila perubahan salah satu variabel disertai dengan perubahan variabel
lainnya, baik dalam arah yang sama atau pun arah yang sebaliknya. Harus diingat bahwa
nilai koefisien korelasi yang kecil (tidak signifikan) bukan berarti kedua variabel tersebut
tidak saling berhubungan. Mungkin saja dua variabel mempunyai keeratan hubungan
yang kuat namun nilai koefisien korelasinya mendekati nol, misalnya pada kasus
hubungan non linier. Koefisien korelasi hanya mengukur kekuatan hubungan linier dan
tidak pada hubungan non linier. Harus diingat pula bahwa adanya hubungan linier yang
kuat di antara variabel tidak selalu berarti ada hubungan kausalitas, sebab-akibat

• Manfaat Korelasi Pearson Product Moment:

- Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan variabel
Y.
- Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang
dinyatakan dalam persen.

• Menurut Riduan dan Kuncoro (2008,61) metode PPM termasuk teknik statistik
parametrik yang menggunakan data interval dan ratio (kuantitatif) dengan persyaratan
tertentu antara lain :
- Data dipilih secara random
- Data berdistribusi normal
- Data yang dihubungkan berpola linear
- Data yang dihubungkan mempunyai pasangan yang sama sesuai dengan subjek yang
sama
B. Teknik dan Aplikasi Penghitungan Korelasi PPM
Langkah 1 : Perumusan Hipotesis
Jika diduga bahwa suatu variabel mempunyai hubungan yang positif dengan variabel lain,
maka rumusan hipotesisnya adalah:

- Ho : r = 0 (tidak ada hubungan antara suatu variabel yang positif dengan variabel lain)
- Ha : r > 0 (terdapat hubungan yang positif dan signifikan anatara suatu variabel dengan
variabel lainnya)

Langkah 2 : Menentukan taraf nyata (level of signifance)

Yaitu menentukan nilai α, misalnya 5% atau α = 0,05

Langkah 3 : Menentukan Uji Hipotesis

Membuat Ha dan Ho dalam bentuk statistik :
Ha : r ≠ 0
Ho : r = 0

Langkah 4 : Menghitung
Membuat tabel penolong untuk menghitung Korelasi PPM:
dengan rumus ;

Keterangan :
n = jumlah data
x = data yang mempengaruhi
y = data yang dipengaruhi
X=x–x
Y=y–y

Langkah 5 : Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y

Dengan rumus :
KP = r2 x 100%

Langkah 6 : Cari r table

Dengan rumus : dk = n-2

Langkah 7 : Tentukan kriteria pengujian

Jika –rtabel≤rhitung≤+rtabel, maka Ho diterima
Langkah 8 : Membandingkan thitung dengan ttabel

Menguji signifikansi dengan rumus thitung :

Kaidah pengujian :
Jika thitung ≥ ttabel, maka tolak Ho artinya signifikan dan
thitung ≤ ttabel, terima Ho artinya tidak signifikan. \

Individual Age Systolic Pressure

A 34 108
B 43 129
C 49 126
D 58 149
E 64 168
F 73 161
G 78 174

Langkah-langkah :

1. Perumusan Hipotesis
Ha : ada hubungan yang signifikan antara umur dengan tekanan darah
Ho : Tidak ada hubungan yang signifikan antara umur dengan tekanan darah

2. Menentukan taraf nyata

Untuk kasus ini, kita ingin melihat apakah terdapat hubungan linier antara usia
dengan tekanan darah sistolik. Taraf nyata yang digunakan adalah 5%.
Di dapat α=0,05

3. Menentukan uji hipotesis dalam statistic

Ha : r ≠ 0
Ho : r = 0
4. Menghitung

No Age (X) Systolic Pressure (Y) X2 Y2 XY

1 34 108 1156 11664 3672
2 43 129 1849 16641 5547
3 49 126 2401 15876 6174
4 58 149 3364 22201 8642
5 64 168 4096 28224 10752
6 73 161 5329 25921 11753
7 78 174 6084 30276 13572
Jumlah 399 1015 24279 150803 60112
Rata-rata 57 145

5. Menentukan besarnya sumbangan variable X terhadap Y dengan rumus :

KP = r2 x 100% = 0,962 x 100% = 92,16%

6. Menentukan rtabel

dk = n-2
= 7-2 = 5
Didapat rtabel = 0,754

7. Menentukan kriteria pengujian

Didapat rhitung > rtabel = 0,9656 > 0,754 maka Ha diterima

8. Membandingkan thitung dan ttabel

Didapat thitung > ttabel = 5,46 >2,57

9. Membuat Kesimpulan
- rxy sebesar 0,956 kategori kuat
- KP = r2 x 100% = 0,962 x 100% = 92,16%
 - Ternyata thitung lebih dari ttabel atau 5,46 >2,57, maka Ho ditolak, artinya ada
hubungan yang signifikan antara umur dengan tekanan darah

C. Regresi

merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih
maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-
variabel itu berhubungan atau dapat diramalkan.

Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam

persamaan matematika yang menyatakan hubungan fungsional antara variabel-
variabel. Hubungan fungsional antara satu variabel prediktor dengan satu variabel
kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan
fungsional yang lebih dari satu variabel disebut analisis regresi ganda.

Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada
analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel
terhadap variabel lainnya dapat ditentukan). Dengan demikian maka melalui
analisis regresi, peramalan nilai variabel terikat pada nilai variabelbebas
lebih akurat pula.

D . Koefisien korelasi

Salah satu jenis korelasi yang paling populer adalah koefisien korelasi momen-
produk Pearson, yang diperoleh dengan membagi kovarians kedua variabel dengan
perkalian simpangan bakunya. Meski memiliki nama Pearson, metode ini pertama kali
diperkenalkan oleh Francis Galton.

Koefisien korelasi momen-produk Pearson

Sifat-sifat matematis

Korelasi linier antara 1000 pasang pengamatan. Data digambarkan pada bagian
kiri bawah dan koefisien korelasinya ditunjukkan pada bagian kanan atas. Setiap titik
pengamatan berkorelasi maksimum dengan dirinya sendiri, sebagaimana ditunjukkan
pada diagonal (seluruh korelasi = +1).
Korelasi ρX, Y antara dua peubah acak X dan Y dengan nilai yang diharapkan μX dan
μY dan simpangan baku σX dan σY didefinisikan sebagai:
Karena μX = E(X), σX2 = E(X2) − E2(X) dan demikian pula untuk Y, maka dapat pula
ditulis

Korelasi dapat dihitung bila simpangan baku finit dan keduanya tidak sama
dengan nol. Dalam pembuktian ketidaksamaan Cauchy-Schwarz, koefisien korelasi tak
akan melebihi dari 1 dalam nilai absolut. Korelasi bernilai 1 jika terdapat
hubungan linier yang positif, bernilai -1 jika terdapat hubungan linier yang negatif, dan
antara -1 dan +1 yang menunjukkan tingkat dependensi linier antara dua variabel.
Semakin dekat dengan -1 atau +1, semakin kuat korelasi antara kedua variabel tersebut.

Jika variabel-variabel tersebut saling bebas, nilai korelasi sama dengan 0. Namun tidak
demikian untuk kebalikannya, karena koefisien korelasi hanya
mendeteksi ketergantungan linier antara kedua variabel. Misalnya, peubah
acak X berdistribusi uniform pada interval antara -1 dan +1, dan Y = X2. Dengan demikian
nilai Y ditentukan sepenuhnya oleh X.

Koefisien korelasi non-parametrik

Koefisien korelasi Pearson merupakan statistik parametrik, dan ia kurang begitu

menggambarkan korelasi bila asumsi dasar normalitas suatu data dilanggar. Metode
korelasi non-parametrik seperti ρ Spearman and τ Kendall berguna ketika distribusi tidak
normal. Koefisien korelasi non-parametrik masih kurang kuat bila dibandingkan dengan
metode parametrik jika asumsi normalitas data terpenuhi, namun cenderung memberikan
hasil distrosi ketika asumsi tersebut tak terpenuhi.

KOEFISIEN PENENTU (KP) atau KOEFISIEN DETERMINASI (R2)

Jika Koefisiensi Korelasi dikuadratkan akan menjadi koefisiensi penentu (KP)

atau Koefisiensi Determinasi, yang artinya penyebab perubahan pada variable Y yang
dating dari variable X, sebesar kuadrat Koefisien Korelasinya.
Koefisien Penentu ini menjelaskan besarnya pengaruh nilai suatu variable (variable X)
terhadap naik / turunnya (variasi) nilai variable lainnya (variable Y).
E. 1-10 Soal dan Jawaban Analisa Korelasi :

1. Seorang mahasiswa melakukan survai untuk meneliti apakah ada korelasi antara
nilai statistik dengan nilai ekonometrika, untuk kepentingan penelitian tersebut diambil
10 mahasiswa yang telah menempuh mata kuliah statistika dan ekonometrik. Sebaran
data diperoleh sebagai berikut :

Statistik

Ekonometrik

Dari data tersebut diatas uji apakah terdapat korelasi yg positif antara kemampuan
mahasiswa dalam memahami ilmu statistika dan ilmu ekonometrika pada tingkat
kesalahan 5 %.

Jawab :

Hipotesis

Ho : Tidak terdapat korelasi positif antara kemampuan

mahasiswa dalam memahami ilmu statistika dan

ilmu ekonometrika.

H1 : Terdapat korelasi positif antara kemampuan

mahasiswa dalam memahami ilmu statistika dan

ilmu ekonometrika.
Kriteria uji

Ho diterima Jika t hitung ≤ ttabel (a, n-2)

H1 diterima Jika thitung > ttabel (a, n-2)

2. Koefisien dari a^5b^2c^2 pada penjabaran (a+b+c)^9 adalah..

a + b + c)^9 = (a + (b + c))^9
n = 9, r = 4
(a + (b + c))^9 = 9C4 . a^(9-4) . (b + c)^4
= 9!/(9 - 4)!.4! . a^5 (b + c)^4
= (9.8.7.6.5!)/(5!.4.3.2.1) . a^5 . 4C2 . b^(4-2) c^2
= (9.2.7) . a^5 . 4!/(4-2)!2! . b^2 . c^2
= 126 . a^5 . (4.3.2!)/(2!2.1) . b^2 . c^2
= 756 a^5 b^2 c^2
jadi koefisien nya 756
3. Koefisien konduktivitas R = 2 kali koefisien konduktivitas S, maka suhu tepat
pada sambungan kedua logam adalah ....
Dik : HS = HR

AR = AS = A

Suhu di sambungan logam R dan S kota misalkan sebagai T:

∆TR = 80 - T

∆TS = T - 30

Dalam soal diketahui bahwa:

kR = 2 kS
LR = 40 cm = 0,4 m

LS = 30 cm = 0,3 m

Sehingga:

HR = HS

kR. A. ∆TR/LR = kS. A. ∆TS/LS

2 kS (80 - T) / 0,4 = kS (T - 30) / 0,3

2(80 - T) / 0,4 = (T - 30) / 0,3

0,6 (80 - T) = 0,4 (T - 30)

48 – 0,6T = 0,4T – 12

T = 60
4. Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seseorang
denganpengeluaran (konsumsi) per bulan. Data dari 6 orang yang diwawancarai
diperoleh datasebagai berikut: X (pendapatan): 800 900 700 600 700 800 (ribuan)Y
(konsumsi) : 300 300 200 100 200 200 (ribuan)

X = 4.500
Y= 1.300
X2= 3.430.000
Y2= 310.000
XY = 1.010.000n
=6

Untuk menghitung koefisien korelasi, maka nilai-nilai tersebut

dimasukkan dalam rumuskoefisien korelasi sebagai berikut.

Berikut adalah data tinggi badan bapak(X) dan anak (Y)

No X Y
1 170 178
2 163 175
3 157 165
4 165 173
5 175 168
6 160 152
7 165 163
8 168 168

1. Hitunglah koefisien korelasi linear antara X dan Y! Apa arti dari nilai koefisien
korelasi tersebut?
2. Pada taraf nyata 10%, ujilah hipotesis bahwa terdapat korelasi yang signifikan
antara tinggi badan seorang bapak dengan tinggi badan anaknya!
Jawab:

Pengamata 1 2 3 4 5 6 7 8
n
Bapak 170 163 157 165 175 160 165 168
Anak 178 175 165 173 168 152 163 168

Untuk pengamatan tersebut dapat dibuat table berikut ini (X untuk tinggi bapak, Y untuk tinggi anak)

i Xi yi (xi-x)̄ (yi-ȳ) (xi-x)̄ (yi-ȳ) (xi-x)² (yi-ȳ)²

1 170 178 4.6 10.3 47.38 21.16 106.09

2 163 175 -2.4 7.3 -17.52 5.76 53.29

3 157 165 -8.4 -2.7 22.68 70.56 7.29

4 165 173 -0.4 5.3 -2.12 0.16 28.09

5 175 168 9.6 0.3 2.88 92.16 0.09

6 160 152 -5.4 -15.7 84.78 29.16 246.49

7 165 163 -0.4 -4.7 1.88 0.16 22.09

8 168 168 2.6 0.3 0.78 6.76 0.09

total 1323 1342 140.74 225.88 463.52

X̄ = 1323 / 8 = 165,4

Ȳ = 1342 / 8 = 167,75
5. Sepuluh orang Mahasiswa mempunyai nilai matematika (X) dab Fisika (Y) sebagai
Berikut (dalam skala 0-4)

No X Y

1 3 2

2 4 2

3 3 4

4 2 3

5 4 4

6 3 4

7 2 1

8 1 1

9 3 3

10 2 3
 1. Carilah koefisien korelasi antara nilai matematika dan fisika mahasiswa berdasarkan data di
atas! Apa arti dari koefisien korelasi tersebut?

2. Pada taraf nyata 5%, ujilah hipotesis bahwa terdapat korelasi yang signifikan antara nilai
matematika dan fisika mahasiswa!

Jawab :

Data
mahasiswa 1 2 3 4 5 6 7 8 9 10

Matematika 3 4 3 2 4 3 2 1 3 2

Fisika 2 2 4 3 4 4 1 1 3 3

Untuk pengamatan tersebut dapat dibuat table berikut ini (X untuk Matematika, Y untuk Fisika)

i Xi yi (xi-x̄ ) (yi-ȳ) (xi-x̄) (yi-ȳ) (xi-x̄ )² (yi-ȳ)²

1 3 2 0.3 -0.9 -0.27 0.09 0.81

2 4 2 1.3 -0.9 -1.17 1.69 0.81

3 3 4 0.3 1.1 0.33 0.09 1.21

4 2 3 -0.7 0.1 -0.07 0.49 0.01

5 4 4 1.3 1.1 1.43 1.69 1.21

6 3 4 0.3 1.1 0.33 0.09 1.21

7 2 2 -0.7 -0.9 0.63 0.49 0.81

8 1 2 -1.7 -0.9 1.53 2.89 0.81

9 3 3 0.3 0.1 0.03 0.09 0.01

10 2 3 -0.7 0.1 -0.07 0.49 0.01

Total 27 29 2.7 8.1 6.9

X̄ = 1323 / 8 = 165,4

Ȳ = 1342 / 8 = 167,75
6. ApabilaX = Pendapatan (puluhanribu rupiah)

Y = Konsumsi (puluhanribu rupiah)

X 40 55 60 75 87 95 120
Y 25 40 50 55 65 73 90

Jawab :
X Y X2 Y2 XY
40 25 1.600 625 1.000
55 40 3.025 1.600 2.200
60 50 3.600 2.500 3.000
75 55 5.626 3.025 4.125
87 65 7.569 4.225 5.655
95 73 9.025 5.329 6.935
120 90 14.400 8.100 10.800
532 398 44.844 25.404 33.715

{(n)(∑XY) – (∑X)(∑Y)}2
KP =
[n(∑X2) – (∑X)2][n(∑Y2) – (∑Y)2]

{(7)(33.715) – (532)(398)}2
KP =
[7(44.844) – (532)2][7(25.404) – (398)2]

{236.005 – 211.736}2
=
[313.908 – 283.024][177.828 – 158.404]
588.984.361
=
599.890.816
= 0,982

Jadi KP = 0,982 (98,2%) artinya sumbangan / pengaruh pendapatan terhadap konsumsia

dalah 98,2%.
7.

X Y X2 Y2 XY
65 68 4.225 4.624 4.420
63 64 3.969 4.096 4.032
67 69 4.489 4.761 4.623
64 65 4.096 4.225 4.160
68 67 4.624 4.489 4.556
62 66 3.844 4.356 4.092
70 78 4.900 4.624 4.760
66 65 4.356 4.223 4.290
68 70 4.624 4.900 4.760
67 67 4.489 4.489 4.489
660 669 43.688 44.789 44.182

Tentukan :
a. Cari koefisien korelasi dan jelaskan artinya!
b. Car ikoefisian penentu dan jelaskan artinya!

Jawab :
a.

n (∑XY) – (∑X) (∑Y)

r(KK) =
√(n (∑X2) – (∑X)2) (n (∑Y2) – (∑Y)2)

10 (44.182) – (660) (669)

=
√ (10 (43.618) – (660)2) (10 (44.789) – (669)2)

441.820 – 441.540
=
√ (436.180 – 435.600) (447.890 – 447.561)

280
=
√ (580) (329)

280
=
√ 190.820

280
=
436,8295
= 0,641 (Artinya korelasi positif.rendah)
b.
[ (n) (∑XY) – (∑X) (∑Y) ]2
KP =
[ n (∑X2) – (∑X)2 ] [ n (∑Y2) – (∑Y)2 ]

[ 10 (44.182) – (660) (669) ]2

=
[ 10 (43.618) – (660)2] [ 10 (44.789) – (669)2 ]

[ 280 ]2
=
[ 190.820 ]

78.400
=
190.820

= 0,411

Jadi KP = 0,411 (41,1%) artinya pengaruh X terhadap Y adalah 41,1%.

8. Sebuah kotak berisi 25 bola kristal, 5 diantaranya pecah. Apabila di ambil 4 buah
bola secara acak, berapa probabilitas dua diantaranya pecah?

Jawab :

Diketahui : N = 25; n = 4; k = 5; x = 2

Ditanyakan : P (x=2) =... ?

Penyelesaian : = 10(190)12650 = 1.90012.650

9. Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seseorang

denganpengeluaran (konsumsi) per bulan. Data dari 6 orang yang diwawancarai
diperoleh datasebagai berikut:

X (pendapatan): 800 900 700 600 700 800 (ribuan)

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

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

10. Tentukan nilai a dan b ! 2. Buatkan persamaan garis regresinya ! 3. Berapa

perkiraan omzet penjualan dari seorang marketing yang memiliki pengalaman kerjanya
3,5 tahun?

Penyelesaian:

Dijawab:

1. nilai a = 3,25 dan b = 1,25

2. Persamaan regresi liniernya adalah

Y = a + bX
= 3,25 + 1,25X

1. Nilai duga Y , jika X = 3,5

Y = a + bX
= 3,25 + 1,25X
= 3,25 + 1,25 (3,5)
= 7,625
 BAB III

A. KESIMPULAN

A. Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk
mengukur kekuatan dan arah hubungan linier dari dua variable.
Manfaat Korelasi Pearson Product Moment:
- Untuk menyatakan ada atau tidaknya hubungan antara variabel X dengan variabel Y.
- Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang inyatakan
dalam persen.
B. DAFTAR PUSTAKA

Dajan, Anto. 1973. Pengantar Meode Statistik Jilid 1. Jakarta: LP3ES

Hidayat, A. Aziz Alimul. 2011. Metode Penelitian Keperawatan dan Teknik
Analisis Data. Jakarta: Salemba Medika Sudijono, Anas. 1987. Pengantar Statistik
Pendidikan. Jakarta: Rajawali Sudjana. 1989. Metoda Statistika Edisi 5. Bandung: Tarsito