(1712-STK1-S06-01)
TUJUAN PEMBELA JARAN
Setelah mempelajari bagian ini,
Anda diharapkan telah mampu:
1712STK106
ANALISIS KORELASI
3
1712STK106
KORELASI
4
1712STK106
CONTOH KORELASI NEGATIF
6
1712STK106
CONTOH TIDAK ADA KORELASI
7
1712STK106
METODE KORELASI PEARSON
8
1712STK106
METODE KORELASI PEARSON
9
Nilai korelasi berkisar antara -1 sampai +1. Jadi ada nilai negatif
atau positif, yang menggambarkan kecenderungan
hubungannya ke arah mana dan ada nilai kekuatannya dari 0
sampai 1.
strong intermediate weak weak intermediate strong
1712STK106
CONTOH METODE KORELASI
10
PEARSON
Usia Berat Rumus Pearson’s Correlation Coefficient
No.
(Tahun) (kg)
1 3 12
𝑛 σ 𝑥𝑦 − (σ 𝑥)(σ 𝑦)
2 2 8 𝑟=
3 4 12
𝑛 σ 𝑥2 − σ 𝑥 2 𝑛 σ 𝑦2 − σ 𝑦 2
4 3 10
5 3 11 Di mana:
6 5 13 𝑛 = jumlah data
7 5 15 𝑥 dan 𝑦 = variabel
8 2 10
1712STK106
11
1712STK106
HASIL PERHITUNGAN DENGAN
12
EXCEL
Usia Berat
(Tahun) (kg)
3 12
2 8
4 12
3 10
3 11 Gambar scatter plot menunjukan bahwa
5 13 semakin bertambah usia anak-anak,
5 15 kecenderungan berat badannya semakin
2 10 bertambah sehingga memiliki korelasi positif.
1712STK106
METODE KORELASI SPEARMAN
13
KORELASI SPEARMAN
Langkah 1
Data terbesar diberi ranking pertama kemudian data berikutnya
sampai data terkecil atau data terkecil diberi ranking pertama
kemudian data berikutnya sampai data terbesar.
Langkah 2
Jika ada data kembar, maka berikan ranking sama tetapi
menggunakan rata-rata ranking.
1712STK106
CARA MENGHITUNG METODE
15
KORELASI SPEARMAN
Langkah 3
Hitunglah selisih ranking setiap pasangan data kemudian
kuadratkan.
Langkah 4
Gunakanlah rumus berikut:
6 σ 𝑑2 Di mana:
𝑟𝑠 = 1 − 𝑛=banyak pasangan data
𝑛(𝑛2 − 1) 𝑑=selisih ranking setiap pasang data
1712STK106
CONTOH METODE KORELASI
16
SPEARMAN
Analisislah tabel berikut,
Faktor penentu Faktor penentu
apakah terdapat korelasi konsumen A konsumen B
Harga Prestige
antara konsumen A dan Merek Selera
Kualitas Harga
konsumen B dalam Manfaat Merek
Prestige Manfaat
mengambil keputusan Selera Kualitas
SPEARMAN
Faktor penentu Faktor penentu D
Ranking A Ranking B D2
konsumen A konsumen B (Ranking A – Ranking B)
Harga Prestige 1 5 -4 16
Merek Selera 2 6 -4 16
Kualitas Harga 3 1 2 4
Manfaat Merek 4 2 2 4
Prestige Manfaat 5 4 1 1
Selera Kualitas 6 3 3 9
Jumlah 0 50
6 𝐷2 6(50)
𝑟𝑠 = 1 − 2
=1− = −0,43
𝑛(𝑛 − 1) 6(36 − 1)
1712STK106
CONTOH METODE KORELASI
18
SPEARMAN
Bagaimana interpretasinya?
1712STK106
METODE KORELASI KENDALL
19
Di mana:
KENDALL
Analisislah tabel berikut,
Faktor penentu Faktor penentu
apakah terdapat korelasi konsumen A konsumen B
Harga Prestige
antara konsumen A dan Merek Selera
Kualitas Harga
konsumen B dalam Manfaat Merek
Prestige Manfaat
mengambil keputusan Selera Kualitas
KENDALL
Faktor Faktor NA-NB
Ranking Ranking NA (ranking di NB (ranking di atas
penentu penentu atau S
A B bawah ranking B) ranking B)
konsumen A konsumen B
1 (karena hanya ada 4 (karena ada ranking 1
Harga Prestige 1 5 -3
ranking 6) sampai 4)
4 (harusnya ada 5, tetapi
0 (karena ranking dikurangi 1 karena
Merek Selera 2 6 -4
paling bawah) ranking 5 sudah disebut
di atas)
3 (ranking 2, 3, 4 saja
0 (tidak ada ranking di
Kualitas Harga 3 1 karena 5 dan 6 sudah 3
atas ranking 1)
disebut di atas)
Manfaat Merek 4 2 2 0 2
Prestige Manfaat 5 4 0 1 -1
Selera Kualitas 6 3 0 0 0
Jumlah -3
1712STK106
CONTOH METODE KORELASI
22
KENDALL
Menghitung metode korelasi Kendall:
2(−3)
𝑟𝑘 = = −0,2
6(6 − 1)
Bagaimana interpretasinya?
1712STK106
© KREDIT
Lecturer
Arfika Nurhudatiana, Ph.D.
Instructional Designer
Vina Rulina, S.Kep., Ns.
Content Developer
Nuraida Syarah, S.Si.
1712STK106
REGRESI LINEAR
SEDERHANA
(1712-STK1-S06-02)
TUJUAN PEMBELA JARAN
Setelah mempelajari bagian ini,
Anda diharapkan telah mampu:
1712STK106
ANALISIS REGRESI LINEAR
3
REGRESI
Korelasi Regresi
• Hanya menunjukkan • Menunjukkan hubungan
sekedar hubungan pengaruh dalam bentuk
formula produksi
• Tidak ada istilah variabel • Terdapat istilah variabel
dependent dan dependent dan
independent. independent
1712STK106
REGRESI LINEAR DAN NON
6
LINEAR
1712STK106
REGRESI LINEAR DAN NON
7
LINEAR
Ada beberapa cara untuk mendeskripsikan
hubungan antar-variabel tersebut:
Linear
Linear sederhana 𝑌 = 𝑎 + 𝑏𝑋
Melibatkan hanya satu variabel independen
LINEAR
Ada beberapa cara untuk mendeskripsikan
hubungan antar-variabel tersebut:
Non Linear
Eksponensial
Logaritmik
Polynomial
1712STK106
REGRESI LINEAR SEDERHANA
9
𝑌 = 𝑎 + 𝑏𝑋 + 𝜀
Di mana:
𝑌=nilai yang diramalkan (variable dependent)
𝑎=konstanta 𝑋=variabel independen
𝑏=koefisien regresi 𝜀=nilai residu
1712STK106
CONTOH REGRESI LINEAR
10
SEDERHANA
Seberapa besar variabel terikat dipengaruhi
oleh variabel bebas bisa dilihat dari koefisien
regresi.
1712STK106
CONTOH REGRESI LINEAR
11
SEDERHANA
Sebagai contoh, terdapat persamaan regresi linear sederhana:
𝑌 = 𝑎 + 𝑏𝑋
Nilai ujian = 3 + 5 × lama belajar(dalam satuan jam)
Diketahui:
𝑌=nilai ujian 𝑋=lama belajar (dalam satuan jam)
𝑎=30 𝑏=5
Artinya, apabila tidak belajar sama sekali maka akan mendapatkan
nilai 30. Kemudian, setiap pertambahan waktu belajar maka nilai
akan naik sebanyak 5 poin.
1712STK106
CONTOH REGRESI LINEAR
12
SEDERHANA
Pertanyaan
Jawaban
90 = 30 + 5𝑥
𝑥 = 12 jam
1712STK106
MENENTUKAN NILAI A DAN B
13
1712STK106
MENENTUKAN NILAI A DAN B
14
1712STK106
MENENTUKAN NILAI A DAN B
15
1712STK106
MENENTUKAN NILAI A DAN B
16
𝑛 𝑛
𝑛𝑎 + 𝑏 𝑥𝑖 = 𝑦𝑖
𝑖=1 𝑖=1
𝑛 𝑛 𝑛
𝑎 𝑥𝑖 + 𝑏 𝑥𝑖 2 = 𝑥𝑖 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
1712STK106
MENENTUKAN NILAI A DAN B
17
σ 𝑦 σ 𝑥 2 − σ 𝑥 σ 𝑥𝑦
𝑎=
𝑛 σ 𝑥2 − σ 𝑥 2
𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑏=
𝑛 σ 𝑥2 − σ 𝑥 2
1712STK106
CONTOH MENENTUKAN NILAI
18
A DAN B
Tahun Penjualan (Y) Biaya iklan (X) X2 XY
(dalam juta rupiah) (dalam juta rupiah)
2010 100 8 64 800
2011 80 7 49 560
2012 120 12 144 1440
2013 160 20 400 3200
2014 140 16 256 2240
Total 600 63 913 8240
1712STK106
CONTOH MENENTUKAN NILAI
19
A DAN B
Menggunakan cara I:
𝑛 𝑛
𝑛 𝑛 𝑛
1712STK106
CONTOH MENENTUKAN NILAI
20
A DAN B
3400 (600 − 63 5.7 )
𝑏= = 5.7 𝑎= = 48.18
596 5
Persamaan regresinya adalah 𝑌 = 48.18 + 5.7𝑥.
1712STK106
CONTOH KASUS DENGAN EXCEL
21
1. Rumusan Pertanyaan:
1712STK106
ANALISIS
23
2. Hipotesis:
Terdapat pengaruh positif pengeluaran biaya iklan terhadap
penjualan perusahaan.
1712STK106
ANALISIS
24
3. Pengumpulan data:
Data pengeluaran pembiayaan iklan dan jumlah penjualan
dikumpulkan dari 8 perusahaan
P1 P2 P3 sejenis.
P4 P5 P6 P7 P8
Penjualan dalam juta
64 61 84 70 88 92 72 77
rupiah (𝑌)
Iklan dalam juta
20 16 34 23 27 32 18 22
rupiah (𝑋)
1712STK106
PRAKTIK PADA EXCEL
25
1. Masukan data
1712STK106
ANALISIS
26
1712STK106
1. PERSAMAAN REGRESI
27
𝑌 = 40,082 + 1,497 + 𝑒
Dari persamaan regresi, kita bisa memprediksi nilai
penjualan dari biaya iklan yang dikeluarkan.
Contoh:
Jika 𝑋 = 20, maka 𝑌 = 40,082 + 1,497 × 20 = 70,022
1712STK106
2. KOEFISIEN DETERMINASI
28
2 2
σ(𝑌−𝑌) 2 227,497
𝑅 =1− ത 2
σ(𝑌−𝑌)
𝑅 =1− = 0,743
886
1712STK106
3. STANDARD ERROR
29
1712STK106
4. NILAI F HITUNG
30
1712STK106
5. NILAI t HITUNG
31
1712STK106
6. KESIMPULAN
32
1712STK106
🔑 DAFTAR PUSTAKA
Sunyoto, Danang. (2003). Dasar-Dasar Statistika untuk Ekonomi.
Yogyakarta: CAPS.
Sunyoto, Danang. (2012). Statistika Induktif. Yogyakarta: CAPS.
1712STK106
© KREDIT
Lecturer
Arfika Nurhudatiana, Ph.D.
Instructional Designer
Vina Rulina, S.Kep., Ns.
Content Developer
Nuraida Syarah, S.Si.
1712STK106
REGRESI LINEAR
BERGANDA
(1712-STK1-S06-03)
TUJUAN PEMBELA JARAN
Setelah mempelajari bagian ini,
Anda diharapkan telah mampu:
1712STK106
REGRESI LINEAR BERGANDA
3
1712STK106
REGRESI LINEAR BERGANDA
4
𝑌 = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2 + 𝑏3 𝑋3 + ⋯ + 𝑏𝑛 𝑋𝑛 + 𝜀
Di mana:
𝑌=Nilai yang diramalkan (variabel dependen)
𝑎=Konstansta 𝑋𝑛 =Variabel independen
𝑏𝑛 =Koefesien regresi 𝜀=nilai residu
1712STK106
ASUMSI MODEL
5
1712STK106
ASUMSI MODEL
6
1712STK106
KONDISI MULTIKOLINEARITAS
7
Multikolinearitas
menunjukkan korelasi antar
variabel bebas.
1712STK106
KONDISI MULTIKOLINEARITAS
8
1712STK106
PROSEDUR ANALISIS
10
1712STK106
CONTOH KASUS
11
1712STK106
ANALISIS
12
1712STK106
ANALISIS
13
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.913334
R Square 0.834179
Adjusted R Square 0.814671
Standard Error 2.418762
Observations 20
ANOVA
df SS MS F Significance F
Regression 2 500.3285 250.1643 42.76013 2.33E-07
Residual 17 99.45697 5.85041
Total 19 599.7855
Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
Intercept 3.173936 6.156067 0.515579 0.612789 -9.81423 16.1621 -9.81423 16.1621
Pengalaman 1.403902 0.198567 7.070173 1.88E-06 0.984963 1.822842 0.984963 1.822842
Skor 0.250885 0.077354 3.243336 0.00478 0.087683 0.414088 0.087683 0.414088
1712STK106
ANALISIS
14
1712STK106
ANALISIS
15
1712STK106
🔑 DAFTAR PUSTAKA
Sunyoto, Danang. (2003). Dasar-Dasar Statistika untuk Ekonomi.
Yogyakarta: CAPS.
Sunyoto, Danang. (2012). Statistika Induktif. Yogyakarta: CAPS.
1712STK106
© KREDIT
Lecturer
Arfika Nurhudatiana, Ph.D.
Instructional Designer
Vina Rulina, S.Kep., Ns.
Content Developer
Nuraida Syarah, S.Si.
1712STK106