Diajukan untuk memenuhi salah satu tugas Mata Kuliah Statistika Terapan yang diampu oleh
Dosen: Dr. Achmad Samsudin, S.Pd., M.Pd.
Disusun oleh:
Sri Zakiyah (2208152)
A. Korelasi
a. Analisis Korelasi
Kolerasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi (Subandriyo, 2020). Pengukuran asosiasi merupakan istilah yang umum yang
mengacu pada sekelompok teknik dalam statistika bivariat yang digunakan untuk mengukur
kekuatan hubungan antara dua variable. Misalkan Apakah status sosial ekonomi (SES) siswa
berhubungan dengan kecerdasan siswa tersebut? Pertanyaan ini menyangkut hubungan
antara dua variabel. Pertanyaan mendasar ini tidak dapat dijawab dari informasi univariat
saja (Misalkan hanya dengan memeriksa distribusi frekuensi, rata-rata atau varians).
Analisis korelasi adalah suatu cara atau metode untuk mengetahui ada atau tidaknya
hubungan linear antar variabel. Apabila terdapat hubungan maka perubahan-perubahan yang
terjadi pada salah satu variabel X akan mengakibatkan terjadinya perubahan pada variabel
lainnya (Y). Contoh kasusu penelitian dalam Pendidikan Fisika dalam menguji kolerasi
misalnya kolerasi antra minat belajar fisika dengan prestasi belajar fisika siswa. Dalam
contoh ini yang menjadi variable X adalah minat belajar Fisika Siswa dan yang menjadi
variable Y adalah prestasi belajar fisika siswa. Hubungan asosiasi antara varibel X dan Y
dapat terdistribusi ke dalam beberapa bentuk. Berikut beberapa bentuk ilustrrasinya dalam
grafik X terhadap Y (Minimum, 1993).
Gambar1. Hubungan Asosiasi Variabel X dan Y (Sumber: Minium, 1993)
Ket:
(a) : Tidak ada korelasi (0)
(b dan e) : koefisien korelasinya kecil / korelasi Lemah
(c dan d) : koesifien korelasi (+1/-1) / korelasi kuat
(f, g dan h) : korelasi tidak linier
b. Teknik Analisis Korelasi
Teknik Analisis Korelasi linier sederhana
Teknik untuk mengetahui ada atau tidaknya korelasi antara 2 variabel dapat dilakukan
melalui beberapa cara diantaranya adalah 1) membuat diagram pencar dan 2) menghitung
koefisien korelasi.
Analisis korelasi dapat diketahui hubungan antarvariabel tersebut, yaitu merupakan suatu
hubungan kebutuhan atau memang hubungan yang sebenarnya.
Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X)
meningkat atau menurun maka variabel lainnya (Y) cenderung untuk
meningkat atau menurun pula.
Korelasi negatif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu (X)
meningkat atau menurun maka variabel lainnya (Y) cenderung menurun
atau meningkat.
Korelasi sempurna adalah korelasi dari dua variabel, yaitu apabila kenaikan atau penurunan
variabel yang satu (variabel X) berbanding dengan kenaikan atau penurunan
variabel lainnya (variabel Y)
Tidak ada korelasi terjadi apabila kedua variabel (X dan Y) tidak menunjukkan adanya
hubungan
1) Scatterplots (Diagram Pancar)
Diagram pencar adalah sebaran nilai-nilai dari variabel – variabel pada sumbu x dan y.
Sebuah scatterplot mengungkapkan adanya hubungan antara dua variabel. Semakin kuat
hubungan linier antara dua variabel, semakin banyak titik data mengelompok sepanjang
garis lurus imajiner.
2) Analisis Koefisien Kolerasi ®
Scatterplots memang informatif, tetapi itu tidak cukup. Sama seperti angka
tunggal dapat menggambarkan tendensi sentral atau variabilitas dari distribusi univariat,
angka tunggal juga dapat mewakili derajat dan arah hubungan linier antara dua variabel.
Koefisien korelasi sederhana merupakan indeks atau bilangan yang digunakan
untuk mengukur keeratan (kuat, lemah atau tidak ada) hubungan antarvariabel.
Koefisien korelasi memiliki nilai antara -1 dan +1.
Jika r bernilai positif maka variabel-variabel berkorelasi positif. Semakin dekat
nilai r ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
Jika r bernilai negatif maka variabel berkorelasi negatif. Semakin dekat nilai r ke
-1 semakin kuat korelasinya, demikian pula sebaliknya.
Jika r bernilai 0 (nol) maka variabel-variabel tidak menunjukkan korelasi
Jika r bernilai +1 atau -1 maka variabel-variabel menunjukkan korelasi positif
atau negatif yang sempurna.
Untuk menentukan keeratan korelasi antarvariabel berikut ini berikat nilai-nilai dari
koefisien korelasi (r)
r = 0 maka tidak ada korelasi
0 < r ≤ 0,20 maka korelasi sangat lemah
0,20 < r ≤ 0,40 maka korelasi rendah
0,40 < r ≤ 0,70 maka korelasi yang cukup berarti
0,70 < r ≤ 0,90 maka korelasi yang tinggi, kuat
0,90 < r < 1,00 maka korelasi sangat kuat
R = 1 maka korelasi sempurna
a) Covarians
Analisis Kovarians terbatas pada hubungan yang linear antara dua variable. Sebagian
besar ilmu perilaku varibelnya memiliki hubungan linear, dan lebih dari 95% koefisien
kolerasi yang ditemukan adalah koefisien kolerasi Pearson (Glass & Hopkins, 1996, hlm.
110).
Cov=
∑ ( X −X )(Y −Y )
n …….…................ (1)
Keterangan:
Cov=¿ kovarians
X =¿ Variabel X
Y =¿Variabel Y
X =¿ Rata-rata Variabel X
Y =¿ Rata-rata Variabel Y
n=¿Jumlah sampel
Berdasarkan analisis diatas didapatkan bahwa hubungan asosiasi antara dua varibel
dengan menggunakan covarian masih memiliki banyak kekurangan. Karena persamaan
kovarian masih bergantung pada skala dari variable yang terkait. Karl Pearson, dengan
bantuan penting dari Sir Francis Galton dan beberapa orang lain, datang dengan solusi pada
tahun 1896 (Minium, 1993).
Ket:
r = koerfisien korelasi
x = deviasi rata-rata variable X = X-X
y = deviasi rata-rata variable Y = Y-Y
Ket:
rs = koefisien korelasi rank spearman
d = selisih dalam ranking
n = banyaknya pasangan rank
1. Menghitung proporsi dair masing masing nilai observasi dua kategori. Misalkan
proporsi yang mempunyai nilai 1 adalah p dan nilai 0 adalah q. karena ada dua
kategori maka p+q = 1
2. Menghuitung rerata X yang mempunyai kategori 1 dan rerata X yang mempunyai
kategori 0, yaitu X p dan X q
3. Menghitung standar deviasi dari skor total X yaitu St
Dimana
Pada hubungan linear dua variabel, perubahan satu variabel dipengaruhi oleh lebih
dari satu variabel lain. Korelasi linear berganda merupakan alat ukur mengenai hubungan
yang terjadi antara variabel terikat (Y) dengan dua atau lebih variabel bebas (X1,X2,...,Xn).
Koefisien Korelasi Linear Berganda adalah indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara tida variabel atau lebih.
B. Regresi
Analisis Regresi
Analisis regresi sangat erat kaitannya dengan memprediksi suatu nilai pada satu variable
berdasarkan variable lain. Kadir, 2017 mengatakan bahwa Analisis Regresi bertujuan untuk
mempelajari “pengaruh” variable bebas (Predictor) terhadap variable tak bebas (criterion).
Supriadi (2021) mengistilahkan variable bebas dengan dengan variable independent (X) dan
varibel yang ingin diprediksi sebagai varibel independent.
Regresi dan kolerasi memiliki kaitan yang sangat erat. Untuk setiap kasus yang memiliki
koefisien kolerasi r =1 setiap kasus akan jatuh tepat pada garis regresi, dan prediksi akan
tanpa kesalahan. Tetapi ketika korelasinya tidak sempurna, seperti dalam contoh sekarang,
pasti akan ada kesalahan prediksi. Ini bukan kesalahan seperti dalam membuat kesalahan
dalam perhitungan. Sebaliknya, hanya ada perbedaan antara nilai aktual dan prediksi Y.
Semakin rendah korelasinya, semakin besar kesalahan prediksi (Minium, 1993).
2. Regresi tidak linier jika hubungan antara variabel bebas terhadap variabel tak
berbentuk linier
Analisis Regresi Model Polinom
2 k
y=c 0+ c 1+ c2 x + …+c k x
dimana ci i = 0, 1, 2, . . ., k ( yang harus bilangan bulat positif ) adalah
konstanta
Model Polinom (Derajat Dua)
Y^ =a+bX + c X
2