Pengenalan Korelasi,

Regresi dan Anova

Intan Pujilestari, SST.,M.K.M

 • Regresi dan korelasi adalah metode
statistik yg digunakan untuk mengukur
asosiasi atau hubungan antara dua atau
lebih variabel kuantitatif, sedangkan untuk
mengukur asosiasi antara dua atau lebih
variabel kualitatif digunakan tes x kuadrat
korelasi
• Digunakan untuk menyatakan derajat
hubungan linear antara dua variabel x dan
y.
• Jika korelasi antara x dan y mempunyai
hubungan sangat erat nilai koefisien
korelasi (r) mendekati nilai -1 atau +1 dan
bila tidak ada hubungan akan mendekati
nilai 0
 Analisis Korelasi
⚫ Korelasi merupakan salah satu teknik analisis dalam statistik
untuk mengetahui hubungan antara dua variabel.
⚫ Hubungan simetris;
⚫ Arah hubungan;
⚫ Ada hubungan dan kekuatan hubungan

⚫ Ada beberapa teknik statistik dalam analisis korelasi

⚫ Nominal vs nominal: Contingency Coefficien , Phi and Cramer Phi, dst
⚫ Ordinal vs ordinal: Kendatl’s tau-b, Spearman (rank) rho, dst
⚫ Nominal vs Iinterval: Eta
⚫ Interval/rasio vs interval/rasio: Koefisien Product Moment Pearson

⚫ Jenis-jenis korelasi
⚫ Korelasi sederhana:hubungan antara dua variabel;
⚫ Korelasi parsial: hubungan antara dua varabel setalah dikontrol oleh
variabel lainnya;
⚫ Korelasi ganda: hubungan beberapa variabel secara bersama-sama
terhadap satu variabel
 Analisis Korelasi
⚫ Statistik Parametrik
⚫ Pearson’s correlation coefficient

⚫ Statistik Nonparametrik
⚫ Spearman’s (rank) rho dan Kendall’s tau-b correlation coefficient
⚫ Spearman’ rho atau Kendall’s tau-b mengukur hubungan antara
dua variabel kualitatif atau kuantitatif yang tidak berdistribusi
normal (skewed) dan atau adanya pencilan (outliers)

⚫ Koefisien Korelasi Pearson

⚫ Simbol dengan r
⚫ Hubungan dua variabel yang numerik
⚫ Sifat hubungan simetris
⚫ Pola hubungan linier (garis lurus)
⚫ Variasi kedua variabel homogen (homoscedastic)
⚫ Hubungan statistik/probabilistik dan bukan hubungan deterministik.
 Koefisien Korelasi Pearson

❑ Menghitung koefisien korelasi

❑ Periksa terlebih dahuku pola hubungan diantara
kedua variabel
❑ Gunakan scatter plot
❑ Bila pola hubungan cenderung linier (garis lurus)
hitung koefisien korelasi Pearson (r)
❑ Bila tidak linier maka besarnya koefisien korelasi
Pearson ( r ) akan memberikan interpretasi yang
salah
 Koefisien Korelasi Pearson

• Rumus menghitung besar dan arah nilai r

 xy −  x y
r= n

 x 2 −
( x ) 2

  y 2 −
( y )2




n 

n 

 Koefisien Korelasi Pearson
• Uji hipotesis r
– Ho : ρ=0
– Ha : ρ≠0
• Standar error nilai r
1− r2
SE(r ) =
n−2

• Uji Statistik nilai r

r −0
t= ; df = n − 2
(1 − r )/(n − 2)
2
 Koefisien Korelasi Pearson
• Batasan ( r )
– Nilai r berkisar antara 0 s/d 1
– Arah hubungan: Negatif atau Positif
– Sehingga nilai r berkisar antara -1 s/d 1
• Arah Hubungan nilai r
– Hubungan negatif: Bila nilai x bertambah maka nilai y
berkurang tetapi tidak proporsional
– Hubungan positif: Bila nilai x bertambah maka nilai y juga
bertambah tetapi tidak proporsional
 Koefisien Korelasi Pearson
• Interpretasi besar nilai r
– Kriteria Guilford (1956) mengelompokkan besaran nilai r :
– 0.0 tidak ada hubungan
– >0.0 s/d 0.20 hubungan rendah sekali;
– >0.20 s/d 0.40 hubungan rendah tapi pasti
– >0.40 s/d 0.70 hubungan cukup berarti
– >0.70 s/d 0.90 hubungan kuat
– >0.90 hubungan sangat kuat
 Analisis Regresi
• Tujuan analisis regresi
– Membuat estimasi rata-rata variabel dependen dari nilai
variabel independen
– Menguji hipotesis karakteristik indepensi
– Prediksi nilai rata-rata variabel dependen berdasarkan nilai
variabel independen.
• Istilah variabel dalam regresi
– Variabel dependen disebut juga explained variable,
predictand, regressand, response, endegenous, outcome,
dan controlled variable.
– Variabel Independen disebut juga predictor, regressor,
stimulus, exogenous, covariant dan control variable
Analisis Variansi
• Analisis variansi (ANOVA) adalah suatu metoda
untuk menguji hipotesis kesamaan rata-rata dari
tiga atau lebih populasi.

• Asumsi
▪ Sampel diambil secara random dan saling
bebas (independen)
▪ Populasi berdistribusi Normal
▪ Populasi mempunyai kesamaan variansi
Analisis Variansi
• Misalkan kita mempunyai k populasi.
• Dari masing-masing populasi diambil sampel
berukuran n.
• Misalkan pula bahwa k populasi itu bebas dan
berdistribusi normal dengan rata-rata 1, 2, ….
dan k dan variansi 2.
• Hipotesa :
H0 : 1 = 2 = … = k
H1 : Ada rata-rata yang tidak sama
Model Regresi Linier Sederhana

• Model regresi linier sederhana


Y = +  x
⚫ Nilai parameter β akan diduga sehingga modelnya menjadi

Y = a+b x
Ŷ = Nilai prediksi variabel Y (dependen)
a = Konstanta (titik potong dengan sumbu Y)
b = Koefisien regresi dari k independen variabel
x = Variabel independen
Pengertian Regresi Linier Ganda

• Pengembangan dari Regresi Linier Sederhana

• Regresi Linier Ganda untuk memodelkan

hubungan linier atau memprediksi variabel
dependen (numerik) dari beberapa variabel
independen (numerik dan/ atau kategorik)

• Model regresi linier ganda:

Satu variabel dependen yang bersifat numerik
Lebih dari satu variabel independen bersifat numerik
dan/atau kategorik dan bila kategorik diubah terlebih
dahulu ke variable dummy
Model Regresi Linier Ganda

• Model regresi linier ganda


Y =  + 1 x1 +  2 x2 + .... +  k xk
⚫ Nilai parameter β akan diduga sehingga modelnya menjadi

Y = a + b1 x1 + b2 x2 + .... + bk xk
Ŷ = Nilai prediksi variabel Y (dependen)
a = Konstanta (titik potong dengan sumbu Y)
k = Jumlah variabel independen
b1 s/d bk = Koefisien regresi dari k independen variabel
x1 s/d xk = Nilai dari k independen variabel
ANOVA
• Uji ANOVA (Analisis of Variance) atau sering
diistilahkan sebagai uji sidik ragam, dikembangkan
oleh Ronald Fisher.
• Prinsip pengujiannya adalah menganalisis variabilitas
atau keragaman data menjadi dua sumber variasi,
yaitu variasi dalam kelompok (within) dan variasi antar
kelompok (between).
• Bila variasi within dan between sama maka rata-rata
yang dihasilkan tidak ada perbedaan, sebaliknya bila
hasil perbandingan kedua varian tersebut
menghasilkan nilai lebih dari 1, maka rata-rata yang
dibandingkan menunjukkan adanya perbedaan.
 ANOVA
• Analisis varians (ANOVA) adalah suatu teknik
statistik yang memungkinkan kita untuk
mengetahui apakah dua atau lebih mean
populasi akan bernilai sama dengan
menggunakan data dari sampel masing–masing
populasi.
• Digunakan untuk menguji hipotesis komparatif
rata–rata k sampel (jml lebih dari 2) bila datanya
interval atau rasio.
 ANOVA
• Contoh pengujian untuk mengetahui apakah ada
perbedaan antara rata–rata penghasilan guru
SD, guru SMP dan guru SMA.
• Langkah pengujian anova dibedakan atas one
way anova dan two way anova.
• One way anova: memperhitungkan satu faktor
yang menyebabkan variasi.
Contoh: menguji hipotesis ada tidaknya
perbedaan antara rata–rata penghasilan guru
SD, guru SMP dan guru SMA.

• Two way anova: memperhitungkan dua faktor

yang menyebabkan variasi.
Contoh: menguji hipotesis ada tidaknya
perbedaan antara rata–rata penghasilan guru
SD, guru SMP dan guru SMA, berdasarkan jenis
kelamin.
ONE WAY ANOVA

Langkah-langkah pengujian one way Anova:

a. Menentukan Ho dan Ha
Ho: μ1= μ2 = μ3 =…….. Μn
Ha: Satu atau beberapa μ berbeda dengan μ yang lain
(menyatakan bahwa Ho tidak terbukti).

Hal tersebut bisa berarti:

μ1 ≠ μ2 ≠ μ3 ≠……. μn
atau
μ1= μ2 tetapi μ2 ≠ μ3 ≠……. μn
 ONE WAY ANOVA
atau
μ1 ≠ μ2 tetapi μ1= μ3
dan μ1 ≠ μ4 ≠ μ5 ≠……. μn
dan seterusnya.

Perlu diperhatikan bahwa jika

Ho: μ1= μ2 = μ3 =…….. μn
bukan berarti bahwa
Ha: μ1≠ μ2 ≠ μ3 ≠ …….. μn
ONE WAY ANOVA
b. Menentukan daerah penerimaan Ho dan Ha.
Menggunakan distribusi F, dengan ciri-ciri :
kontinyu, bernilai positif atau nol, distribusi
menceng ke kanan dan tidak pernah
memotong sumbu datar.
Numerator = k-1
Denominator = k (n-1)
k = jumlah kolom
n = jumlah elemen tiap kolom
Besarnya α ditentukan oleh peneliti, umumnya
digunakan α = 5%
ONE WAY ANOVA
c. Menentukan nilai Statistik uji
d. Membandingkan nilai F-ratio dengan daerah
penerimaan Ho dan Ha
Ho diterima jika F-ratio lebih kecil dari titik kritis, dan
sebaliknya
e. Pengambilan keputusan
Jika Ho diterima artinya kita menerima hipotesis yang
menyatakan bahwa rata-rata populasi tidak berbeda
(sama).
Bila F Hitung < F tabel, maka Ho diterima, yang berarti
rata-rata kedua perlakuan tidak berbeda secara
signifikan,
Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima,
yang berarti rata-rata kedua perlakuan berbeda secara
signifikan.
Terima Kasih