Nama : Zulhalifah Oktavina

Npm : 20040002

ANALISIS KORELASI DAN ANALISIS REGRESI

Seorang peneliti ingin mengetahui apakah prosentase kehadiran mahasiswa di kelas berpengaruh pada
nilai akhir Mata Kuliah. Berikut disajikan data prosentasi kehadiran dan nilai akhir Mata Kuliah dari 20
orang mahasiswa:

NO. URUT % KEHADIRAN NILAI AKHIR NO. URUT % KEHADIRAN NILAI AKHIR
1 80 65 11 70 49
2 70 50 12 80 61
3 80 56 13 100 81
4 90 70 14 70 70
5 70 70 15 90 61
6 90 75 16 70 44
7 100 83 17 40 35
8 100 91 18 40 46
9 90 81 19 90 49
10 60 33 20 70 71

Lakukan Analisis Korelasi dengan Minitab. Lakukan analisis pada Tingkat Toleransi 10%! Uraikan langkah
secara lengkap, mulai dari:
a. Penetapan Hipotesis. Tuliskan hipotetis di Ms. Word!
b. Pengolahan data dengan Minitab, copy paste hasil pada window session ke Ms. Word!
c. Interpretasi hasil. Tulis interpretasi hasil di Ms. Word!

Selanjutnya lakukan Analisis Regresi Linear Sederhana dengan Minitab. Lakukan analisis pada Tingkat
Toleransi 10%! Uraikan langkah secara lengkap, mulai dari:
d. Penetapan Hipotesis. Tuliskan hipotetis di Ms. Word!
e. Pengolahan data dengan Minitab, copy paste hasil pada window session ke Ms. Word!
f. Tuliskan persamaan analisis regresi linear sederhana, P-Value, koefisien determinasi (R ), dan
2

koefisien korelasi (r)! Sajikan juga Fitted Line Plot dari analisis regresi linear kedua variabel ini di Ms.
Word. Tulis interpretasi hasil di Ms. Word!

Jawab :

a. penetapan hipotesis

Hipotesis untuk uji korelasi adalah:

H0 : =0
H1 : ≠0

Jadi kita menolak H0 karena P-value < , misalkan ditetapkan = 10 %

 Alasan menolak H0 dan terima H1 karena memang ada korelasi antara kehadiran dan nilai
akhir mahasiswa. Nilai korelasi positif berarti hubungan antara variabel adalah positif,
artinya apabila salah satu variabel meningkat maka variabelnya meningkat pula.

b. pengolahan data

Correlations: kehadiran; nilai akhir

Pearson correlation of kehadiran and nilai akhir = 0,758

P-Value = 0,000

c. Interpretasi hasil
Dari output tersebut dapat dilihat bahwa kehadiran memiliki korelasi dengan nilai akhir
karena P-Value < 10%. Hubungan antara kehadiran mahasiswa dan nilai akhir bersifat positif
dengan nilai Pearson Correlation sebesar 75,8%.

Analisis Regrasi Linear

d. Penetapan Hipotesis

H0 :
H1 :

Daerah penolakan adalah apabila F>F ( dengan v 1 = k = 1, dan v 2 = [n – (k + 1)] =

(20 – (1 + 1)] = 18. Nilai F (5%; 1, 18) = 4,41.
Pada output dapat dilihat bahwa F hitung adalah 24,28. Karena F hitung lebih
Besar F tabel 10, maka kita menolak H0 dan menyimpulkan bahwa model regresi linear yang
dibuat telah mewakili data.

e. Pengelolahan data

————— 18/12 21:55:48 ————————————————————

Regression Analysis: Nilai akhir versus Kehadiran siswa

The regression equation is

Nilai akhir = 6,7 + 0,714 Kehadiran siswa

Predictor Coef SE Coef T P

Constant 6,73 11,50 0,59 0,566
Kehadiran siswa 0,7139 0,1449 4,93 0,000

S = 11,0103 R-Sq = 57,4% R-Sq(adj) = 55,1%

Analysis of Variance
Source DF SS MS F P
Regression 1 2942,9 2942,9 24,28 0,000
Residual Error 18 2182,1 121,2
Total 19 5125,0

f. Tuliskan persamaan analisis regresi linear sederhana, P-Value, koefisien determinasi (R2), dan
koefisien korelasi (r)! Sajikan juga Fitted Line Plot dari analisis regresi linear kedua variabel

Normal Probability Plot

(response is Nilai akhir)
99

95
90

80
70
Percent

60
50
40
30
20

10

1
-30 -20 -10 0 10 20 30
Residual

Prediksi model Regresi Linear Sederhana antara nilai akhir dan kehadiran mahasiswa adalah:

 Nilai akhir = 6,73+ 0,7139 kehadiran X = 0,7139+ 6,7139 Y

 Koefisien determinasi (R2) adalah 57,4%. Artinya 57,4% variasi sampel jumlah nilai
akhir mahasiswa yang dihasilkan oleh suatu kehadiran dijelaskan dalam presentase
kehadiran mahasiswa didalam kelas.
 Koefisien korelasi (r) adalah 0.757. Artinya hubungan linear antara jumlah nilai akhir
yang dihasilkan oleh suatu kehadiran mahasiswa dan presentase kehadiran mahasiswa
dgn nilai akhir matakuliah sangat erat (keeratannya 75,7)
 Standar deviasi adalah 11,01

Pada output ini dapat dilihat bahwa MSE (Mean Square Error) yang merupakan
varian residual (s 2) adalah 121,2 maka standar deviasi model adalah akar dari 121,2
atau sama dengan 11,01. Dengan demikian berarti bahwa nilai akhir yang dihasilkan oleh
suatu kehadiran mahasiswa akan jatuh disekitar 2s = 121,2.
ANOVA sebenarnya merupakan uji hipotesis kesesuaian model dengan data yang ada.
 Output pada worksheet ini adalah nilai taksiran. Output memperlihatkan bahwa untuk
presentase kehadiran, perkiraan jumlah nilai akhir untuk mahasiswa adalah 63.83