2! PENERBIT ERLANGGA Edisi 8 Jilid 1 Scanned with CamScannerBab 7 m Analitis Korelasi dan Regresi Linear Sederhana 167 Contoh hubungan negatif: X = jumlah akseptor, Y = jumlah kelahiran X = harga suatu barang, permintaan barang X = pendapatan masyarakat, Y = kejahatan ekonomi Jadi, apabila antara variabel X dan ¥ terdapat hubungan, maka bentuk diagram pencarnya ‘adalah mulus/teratur, seperti terlihat dalam Peraga 7.1 dan Peraga 7.2, di mana yang pertama menunjukkan gerakan diagram pencar dari kiri bawah ke kanan atas (hubungan positif), sedangkan yang kedua bergerak dari kiri atas ke kanan bawah (hubungan negatif). Apabila bentuk diagram pencar tidak teratur, artinya kenaikan/penurunan X pada umumnya tidak diikuti oleh naik turunnya Y, maka dikatakan X dan ¥ tidak berkorelasi. Dengan perkataan lain, jika naik turunnya variabel X tidak mempengaruhi ¥, dikatakan X dan Y bebas (independent), atau tidak ada hubungan atau hubungannya begitu lemahnya sehingga bisa diabaikan dan bentuk diagram pencarnya seperti terlihat pada Peraga 7.3. ye yt ateu x 0 ° PERAGA 7-3 X dan Y Tidak Mempunyai Hubungan atau Hubungannya Lemah Sekali Kuat dan tidaknya hubungan antara X dan Y apabila dinyatakan dengan fungsi linear (paling tidak mendekati), diukur dengan suatu nilai yang disebut Koefisien Korelasi. Nilai koefisien korelasi ini paling sedikit -1 dan paling besar 1. Jadi, jika r = Koefisien korelasi, maka nilai r dapat dinyatakan sebagai berikut: srs aut Jika r= 1, hubungan X dan Y sempurna dan positif (mendekati 1, yaitu hubungan sangat kuat dan posi = =1, hubungan X dan Y sempurna dan negatif (mendekati -1, yaitu hubungan sangat kuat dan negatif). = 0, hubungan X dan Y lemah sekali atau tidak ada hubungan. Kuat ©) Kuat (+) 4 . a o Lemah ) Lemab (+) Scanned with CamScanner168 Statistic: Teori dan Aplikasi Kalan r= 0, X dan ¥ tidak berkorelasi hubungan X dan ¥ lemah . hubungan V dan ¥ cukup kuat hubungan X dan Y kuat hubungan X dan ¥ sangat kuat hubungan X dan Y sempurna + hubungan X dan ¥ sempurna — Di sini, X dikatakan mempengaruhi Y, jika berubahnya nilai X akan menyebabkan Perubahan nilai Y; artinya naik turunnya X akan membuat nilai Y juga naik/turun, sehingga nilai ¥ akan bervariasi, baik terhadap rata-rata ¥ maupun terhadap garis linear yang mewakili diagram penear, Akan tetapi, naik turunnya ¥ adalah sedemikian tupa sehingga nilai Y bervariasi, tidak semata-mata disebabkan oleh X, karena masih adg faktor lain yang menyebabkannya. Misalnya kalau ¥ = hasil penjualan, X = biaya iklan (advertensi), maka naik/turunnya ¥ selain disebabkan olch variabel X juga oleh faktor. faktor (variabel) lainnya (seperti pendapatan masyarakat, harga, selera, dan lain-lain), Kemudian timbul pertanyaan, berapa besarnya kontribusi dari X terhadap naik turunaya nilai_Y ini? Untuk menjawab pertanyaan ini harus dihitung suatu koefisien yang disebut koefisien penentuan (coefficient of determination). Apabila koefisien penentuan ditulis XP, maka untuk menghitung KP digunakan rumus berik kKP=? (ay lika r= 0,9 maka nilai KP = (0,9)? = 0,81 (= 81%), yaitu be ; ap variasi atau naik/turunnya Y adalah 81%, fn faktor lainnya. Cara menghitung r adalah sebagai berik em sumbangan variabel ygkan 19% merupal 72) fika, 9, = atau cut koefisien korelasi Py Kedua rumus ini d son (Pearson's product moment Scanned with CamScanner