KORELASI DAN REGRESI

MK Statistika

Dr. Vivi Novianti_MK Statistika

 Korelasi
Korelasi = menjelaskan derajat atau tingkat keeratan
hubungan antara 2 atau lebih variabel acak yang saling
gayut yang ditunjukkan dengan koefisien korelasi.

Contoh:
Mengukur keeratan hubungan Biomassa fitoplankton
dengan banyaknya klorofil a:
Pencuplikan air danau

Biomassa fitoplankton Banyaknya klorofil a

variabel acak
Dr. Vivi Novianti_MK Statistika
 Korelasi
Pencuplikan air danau

Biomassa fitoplankton Banyaknya klorofil a

Keduanya variabel acak karena

tidak ditentukan peneliti

Lambang X, Y

Nilai kedua variabel yang terdapat pada setiap sampel

merupakan “sesuatu yang diberikan oleh alam’
Dr. Vivi Novianti_MK Statistika
 “Suhu dengan Denyut Jantung Buaya”
80
Denyut Jantung (bpm)

70
60
50
40 REGRESI
30
20
10
0
0 10 20 30 40 50
Suhu (°C)
Suhu: Denyut Jantung:
• Variabel tidak acak • Variabel acak (tidak dikendalikan
(dikendalikan peneliti) peneliti)
• Variabel bebas • Variabel terikat
Dr. Vivi Novianti_MK Statistika
 Korelasi
• Tidak menyatakan satu variabel sebagai fungsi dari
variabel lain.
• Tidak mempersoalkan hubungan sebab akibat
• Tidak dikenal istilah variabel bebas dengan variabel
tidak bebas.
• Biasanya dalam perhitungan:
Simbol X = variabel pertama Keduanya (X dan Y)
Simbol Y = variabel kedua dianggap setara
• Yang ingin diduga = derajat dari variabel-variabel
tersebut berubah secara bersamaan (saling gayut).

Dr. Vivi Novianti_MK Statistika

 Koefisien Korelasi (r)

• Besar kecilnya hubungan antara dua variabel

dinyatakan dalam bilangan yang disebut
Koefisien Korelasi:
• Besarnya Koefisien antara: ARAH HUBUNGAN
a. Positif
-1 0 +1 b. Negatif
c. Nihil

hubungan yang sempurna

Nilai Koefisien 0 / mendekati 0 dianggap tidak

berhubungan antara dua variabel yang diuji.
Dr. Vivi Novianti_MK Statistika
Dr. Vivi Novianti_MK Statistika
 Penggunaan Teknik Korelasi

No. Tingkatan Skala Ukur Teknik Korelasi yang sesuai

1. Nominal 1. Koefisien Kontingensi
1. Spearman Rank
2. Ordinal
2. Kendal  (tau)
1. Pearson Product Moment
3. Interval dan Rasio 2. Korelasi Ganda
3. Korelasi Parsial

Dr. Vivi Novianti_MK Statistika

 Korelasi Product Moment
Rumus

Dr. Vivi Novianti_MK Statistika

 Hitunglah koefisies korelasi (rxy) dari variabel lebar (X) dan
panjang daun (Y), berikut ini:

314
Hipotesis Penelitian: Lebar daun berhubungan (berkorelasi) dengan
panjangDr.daun.
Vivi Novianti_MK Statistika
 INTERPRESTASI
Untuk pengambilan keputusan statistik:
Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel).
• Apabila Koefisien Korelasi ≥ r tabel, maka ada hubungan yang
signifikan (Ha Diterima),
• Apabila Koefisien Korelasi < r tabel, maka tidak ada hubungan
yang signifikan (H0 Diterima).

Dr. Vivi Novianti_MK Statistika

r0.05 dengan db = N-2 =
7-2 = 5 = 0.7545

Rujukan:
r hitung > r tabel, Ho
ditolak, hipotesis
penelitian diterima Untuk mengetahui besarnya sumbangan
berarti lebar daun faktor lebar daun terhadap variasi nilai
berhubungan dengan panjang daun:
panjang daun. Koef. Determinasi (rxy2) dinyatakan %
Dr. Vivi Novianti_MK Statistika
 Kesimpulan Penelitian:
• Lebar daun berkorelasi
dengan panjang daun,
• dengan sumbangan faktor
lebar terhadap panjang
daun sebesar 96%,
rxy2 = 0,982 x 100% sedangkan sisanya 4%
rxy2 = 0,96 x 100% = 96%
dijelaskan oleh faktor lain
rxy2 = 96 %
selain lebar daun.

Dr. Vivi Novianti_MK Statistika

Besaran hubungan Korelasi Pearson

Dr. Vivi Novianti_MK Statistika

REGRESI

Dr. Vivi Novianti_MK Statistika

 Regresi
1. Menyangkut pengukuran “derajat ketergantungan”satu variabel
terikat (Y) dg suatu variabel bebas (X)
2. “Suhu dengan Denyut Jantung Buaya”
Suhu:
Denyut Jantung (bpm)
80
• Bukan variabel 70
acak (ditetapkan 60
peneliti) 50
• Variabel bebas 40
30
20
Denyut Jantung: 10
• Variabel acak (tidak 0
dikendalikan 0 10 20 30 40 50
peneliti) Suhu (°C)
• Variabel terikat Dr. Vivi Novianti_MK Statistika
 Tujuan Menggunakan Persamaan Regresi

1. Mengetahui besarnya pengaruh satu variabel bebas

atau lebih terhadap satu variabel tidak bebas.
2. Menjelaskan keragaman Y yang disebabkan oleh X
dengan X sebagai kontrol statistik/prediktor.
3. “Suhu dengan laju detak jantung”
“umur hewan terhadap tekanan darah”
“Dosis insektisida thd kematian populasi serangga”
4. Peramalan/Meramalkan

Data merupakan data kuantitatif, skala data minimal interval

Dr. Vivi Novianti_MK Statistika
Contoh Regresi Linear Sederhana

Peneliti ingin mengetahui hubungan antara dosis pemupukan

nitrogen (N) berbagai taraf dengan produksi kapas (ku/ha).
Data sebagai berikut:

Data ke- Pupuk N Produk Kapas

Kg/ha (Ku/ha)
1 0 2
2 20 4,5
3 40 7
4 60 9
5 80 13

Dr. Vivi Novianti_MK Statistika

Langkah 1

Data ke- X Y X.Y X2 Y2

1 0 2 0 0 4
2 20 4.5 90 400 20.25
3 40 7 280 1600 49
4 60 9 540 3600 81
5 80 13 1040 6400 169
Jum 200 35.5 1950 12000 323.25
Rata 40 7.1 390

35.5

Dr. Vivi Novianti_MK Statistika

Langkah 1 = koefisien korelasi = rxy

Atau

,2

Uji signifikansi:
r0,05 dengan db = N-2 → db = 5-2 = 3, pada tabel → 0,878

Rujukan:
rxy hitung = 0,993129487 > nilai r0,05 (r tabel) = 0,878, H0 ditolak,
hipotesis penelitian diterima, berarti dosis pemupukan nitrogen
berhubungan dengan produksi Dr. Vivikapas.
Novianti_MK Statistika
Langkah 2

Persamaan garis regresi perlu diuji untuk dapat diterima atau tidak
dengan Analisis Varian GarisDr. Vivi
Regresi
Novianti_MK Statistika
Tabel. Ringkasan Anareg (Anava untuk garis regresi)

Tabel. Ringkasan Anareg untuk garis regresi = Y = 1,8 + 0,1325X

Dr. Vivi Novianti_MK Statistika

Tabel. Ringkasan Anareg untuk garis regresi = Y = 1,8 + 0,1325X

Rujukan: F hitung garis regresi 216,0769231 lebih besar daripada

F0,05 (1:3) = 10,13.
Berarti H0 ditolak, ß ǂ 0 diterima; model regresi Y = 1,8 + 0,1325X
diterima. Besarnya nilai keterandalan ditentukan oleh koefisien
determinasi (rxy2).
Kesimpulan:
Ada hubungan yang signifikan antara dosis pemupukan nitrogen
dengan produksi kapas menurut persamaan garis Y = 1,8 + 0,1325 X
dengan keterandalan model sebesar 98,63%, sedangkan sisanya 1,37%
diterangkan oleh faktor selain dosis pemupukan (X)
Dr. Vivi Novianti_MK Statistika
Kesimpulan:
Ada hubungan yang signifikan antara dosis pemupukan nitrogen
dengan produksi kapas menurut persamaan garis Y = 1,8 + 0,1325 X
dengan keterandalan model sebesar 98,63%, sedangkan sisanya 1,37%
diterangkan oleh faktor selain dosis pemupukan (X)

Kita dapat melakukan Prediksi atau Peramalan terhadap Variabel

Faktor Penyebab atau Variabel Akibat

Jumlah produksi kapas (Y) jika pupuk N yang diberikan sedikit (X),
contohnya: 10 kg/ha
Y = 1,8 + 0,1325 (10)
Y = 3.125 ku/ha
Jadi jika pemberian pupuk N hanya 10 kg/ha dapat diprediksikan
produksi kapas yang diperoleh hanya 3.125 ku/ha.
Dr. Vivi Novianti_MK Statistika
 Pengujian Koefisien Garis Regresi
Linier Sederhana dengan Uji t
Uji koefisien regresi sederhana (uji t) digunakan
untuk mengetahui apakah variabel bebas (X)
berpengaruh secara signifikan thd var. terikat (Y).

Pengaruh yang terjadi dapat berlaku

untuk populasi (dapat digeneralisasikan)

Dr. Vivi Novianti_MK Statistika

 Pengujian Koefisien Garis Regresi
Linier Sederhana dengan Uji t
Uji t dilakukan untuk menguji sifnifikansi
konstanta dan setiap variable independen
apakah berpengaruh terhadap variable
independen.
Pengambilan keputusan dilakukan
T = bi/Sbi dengan membandinbgkan t hitung
keterangan: dengan t table jika t hitung ≥ t
ti = t hitung table pada taraf signifikansi ttt
bi = koefisien regresi berarti terdapat pengaruh yang
Sbi = standar error regresi signifikan,. Sebaliknya jika t hitung
< t table maka tidak signifikan
Dr. Vivi Novianti_MK Statistika
 Tahapan dalam Regresi Linear Sederhana

1. Dicari koefisien korelasi

2. Dicari persamaan regresi
3. Uji persamaan regresi dengan Anareg untuk
regresi
4. Pengujian koefisien garis regresi linear
sederhana dengan uji-t

Dr. Vivi Novianti_MK Statistika

 Tahapan dalam Regresi Linear Sederhana

Koefisien Korelasi Tidak perlu lanjut ke

Tidak Signifikan tahap berikutnya
Signifikan

Persamaan Regresi

Tidak perlu
Uji persamaan regresi dengan lanjut ke tahap
Anareg untuk regresi Tidak Signifikan
berikutnya
Signifikan
Tidak ada
Pengujian koefisien garis regresi
pengaruh
linear sederhana dengan uji-t Tidak Signifikan
antara X
dengan Y
Kesimpulan Dr. Vivi Novianti_MK Statistika
 Kesimpulan
1. Korelasi : derajat keeratan (kekuatan
hubungan) antara 2 variabel acak (simetris)
yang dinyatakan dalam koefisien korelasi (r).
2. Hubungan korelasi belum dapat dikatakan
sebagai hubungan sebab akibat karena
tanpa memperhatikan variabel mana yang
menjadi peubah.
3. Untuk menentukan kausalitasnya, harus
didukung teori
Dr. Vivi Novianti_MK Statistika
 Kesimpulan
4. Regresi : menjelaskan hubungan
ketergantungan variabel terikat (Y) pada
variabel bebas (X) atau asimtri yang
ditunjukkan dalam bentuk persamaan fungsi.
5. Setiap regresi pasti ada korelasinya. Tetapi
korelasi belum tentu dilanjutkan dengan
regresi.

Dr. Vivi Novianti_MK Statistika

 Contoh
• Hubungan antara panas dengan tingkat muai
panjang = hubungan kausalitas.
• Hubungan antara kupu-kupu yang datang
dengan banyaknya tamu di rumah = ?
• Hubungan antara suhu dengan kedalaman
perairan = ?

Dr. Vivi Novianti_MK Statistika

 Daftar Istilah
• Residual (e atau ε): kesalahan dalam
memprediksi data sampel. Kita berasumsi
bahwa kesalahan random akan terjadi, tetapi
kita berasumsi bahwa kesalahan ini
merupakan estimasi kesalahan random yang
sebenarnya pada populasi ( ε ), bukan semata
hanya kesalahan prediksi dalam sampel ( e ).
Pengertian lain ialah perbedaan antara nilai
variabel tergantung yang sebenarnya dan nilai
prediksi.
Dr. Vivi Novianti_MK Statistika
• Least Square:
prosedur estimasi yang digunakan dalam
regresi linier dimana koefesien regresi
diestimasi untuk meminimalkan jumlah
residual kuadrat keseluruhan.

Dr. Vivi Novianti_MK Statistika

 Tutorial SPSS
• https://www.spssindonesia.com/2018/02/car
a-menghitung-se-sr-regresi-berganda.html

Dr. Vivi Novianti_MK Statistika

END

Dr. Vivi Novianti_MK Statistika