LAPORAN PENYAJIAN PERTEMUAN XVI

ANALISIS KORELASI

OLEH:

Nama : Rido Wiradinata Siallagan

NPM : 15150036

Grup :A

Prodi : Pendidikan Matematika

Dosen Pengasuh : Dr. Hotman Simbolon, MS

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS HKBP NOMMENSEN

PEMATANGSIANTAR

2017/2018
 RENCANA PELAKSANAAN PEMBELAJARAN

(RPP)

Mata kuliah : Statistika dasar

Materi Pokok : Anlisis Korelasi

Semester : V(ganjil)

Pertemuan : 16 (Enam belas)

Alokasi waktu : 3 x 50 menit

Standart kompetensi:
 Mendiskripsikan pengertian korelasi
 Mendiskripsikan koefisien tata jenjang spearman
 Melakukan penguijian korelasi
 Melakukan operasi hitung bilangan untuk memecahkan soal-soal.
Kompetensi dasar :
 Memahami pengertian korelasi, koefisien korelasi product moment
dari pearson, koefisien korelasi data dikelompokkan, koefisisen
korelasi berganda, koefisien korelasi parsial, pengertian koefisien
korelasi tata jenjang spearman, korelasi point biserial, korelasi
biserial, dan koefisien korelasi rank kendall.
Indikator :

 Membuat pengertian korelasi

 Menguji korelasi produk momen dari pearson data yang

dikelompokkan, korelasi berganda, korelasi parsial
 Mengerti dan mendefinisikan perbedaan dari korelasi tata jenjang
spearman, korelasi point biserial, korelasi biserial, korelasi rank
kendall
I. Tujuan Pembelajaran :
Setelah kegiatan pembelajaran selesai siswa dapat;

 Menjelaskan korelasi tata jenjang spearman

 Menjelaskan korelasi point biseral
 Menjelelaskan korelasi Biseral.
 Menjelaskan korelasi Rank kendall.
II. Materi Pembelajaran : 11.1.Pengertian korelasi

11.2. Koefisien korelasi produk momen dari pearson

11.3.Koefisien korelasi data yang dikelompokkan

11.4.Koefisien korelasi berganda

11.5.Koefisien korelasi parsial

11. 6 Koefisien Korelasi Tata Jenjang Spearman

11. 7 Korelasi Point Biserial

11. 8 Korelasi Biserial

11.9 Koefisien Korelasi Rank Kendall

III. Metode Pembelajaran

 Tanya jawab
 Diskusi
 Ceramah
IV. Langkah-langkah Pembelajaran

A. Kegiatan awal : Kebaktian singkat

B. Kegiatan inti : Penyaji menjelaskan materi pembelajaran.
C. Kegiatan akhir : Doa sebelum pulang.
V. Sumber Belajar : Buku paket statistika oleh Hotman Simbolon

VI. Tanggal Pertemuan : 16 Desember 2017

VII. Uraian Materi

 ANALISIS KORELASI

11.1 Pengertian Korelasi

Korelasi berupa derajat atau kedalaman hubungan fungsional yang

menjelaskan hubungan antar peubah, dinyatakan dengan sebuah angka yang
dinamakan Koefisien Korelasi dan sering disimbolkan dengan r atau P.

Angka koefisien korelasi berada pad selang 0≤r≤1 atau −1≤r≤0 . Dalam
pembahasan regresi telah diberikan pengertian koefisien determinasi yang dalam
hal ini diangkat menjadi defenisi.

D.II.I Defenisi

2 var iasi yang dapat dijelaskan mod el regresi

r= atau
Total var iasi
Jumlah kuadrat regresi
r2= = koefisien Deter min asi
Jumlah kuadrat total
Koefisien Korelasi= √ Koefisien det er min asi =r
Rumus berikut adalah koefiosisen korelasi untuk model linier yang
diturunkan dari D. II. I.

T. 11. I

Cov ( xy )
r xy =
Sx S y

√
2

r=
∑ b1 g1−(∑ y ) /n atau
∑ y 2−(∑ y ) /n
2

n ∑ xy −∑ x ∑ y
r xy =
√[ n∑ x2−(∑ x )2 ][ n ∑ y2−(∑ y )2]
 Jika ada kecendrungan makin meningkat nilai x maka makinm meningkat
y atau makin menurun nilaio x maka makin menurun nilai y, dalam hal ini x dan y
di namakan Berkorelasi Positif ( 0≤r≤1 ) ; atau jika kecendrungannya makin
meningkat nilai x maka makin menurun nilai y atau maka menurun nilai x maka
makin meningkat nilai y, dalam hal ini x dan y dinamakan Berkorelasi Negatif
(−1≤r≤0 ) . Kedua-duanya adalah Korelasi Linier.

11.2 Koefisien Korelasi Product Moment dari Pearson

A. Menghitung Koefisien Korelasi

Telah diketahui bahwa koefisien determinasi adalah

var ians yang dapat dijelaskan

r2 = Total Varians dan dikembangkan sebagai berikut:

2
r=
∑ ( ^y − ȳ )2
=∑
( y− ȳ )2 /n Varians yang dapat dijelaskan
=
∑ ( y − ȳ )2 ( y− ȳ )2 /n Total Varians

S 2 ^y Sy 2 −S 2 yx
2
=
=S y S2 y

1−S2 yx
2
= Varians yang tiodak dapat dijelaskan
= S y

S 2 yx
y
Sedangkan S disebut Koefisien Alienasi.

2
r =
∑ ( ^y − ȳ )
∑ ( y− ȳ )2
= ∑ ( ( a+bx ) − ( a+b x̄ ) )2
= ∑ ( bx +b x̄ ) 2

b2 ∑ ( x− x̄ )2 b 2 ∑ ( x− x̄ )2 /n
=
= ∑ ( y − ȳ )2 ∑ ( y− ^y )2 /n

Maka, r =
b
√ J xx /n
J yy /n
S
=b x
Sy
Selanjutnya dapat diturunkan;

bS x n ∑ xy −∑ x ∑ yS x
r= = 2
Sy n ∑ X 2 −( ∑ x ) S y

nS2x Sy ¿
n ∑ xy−∑ xy−∑ x ∑ y¿ ¿
n∑ xy−∑ x ∑ y
(Lihat T .II. I)¿
= √ [ n ∑ x −( ∑ x ) ] [ n ∑ y −( ∑ y ) ]
2 2 2 2

B. Menguji Korelasi
Sebagaimana uji hipotesis terdahulu maka dikenal juga uji korelasi yang
menguji apakah koefisien korelasi yang dihitung itu berarti atau tidak berarti. Dua
peubah x dan y dikatakan tidak berkorelasi jika nilai koefisien korelasi adalah nol
dan dilambangkan dengan P=0; jika x dan y berkorelasi dilambangkan dengan P
¿ 0.

Jadi harus diuji apakah nilai koefisien yang diperoleh pada sampel mencirikan
korelasi populasi yang berarti.

U. 11. 1 Menguji Korelasi

Hipotesis:

H o :P=0 , tidak berkorelasi

H a : P≠0 , ada korelasi yang berarti diuji
dengan t=r . √[ n−2 ] / [1−r 2 ]
T >t 1 atau T <−t 1
1− α ; n−2 1− α ; n−2
Daerah kritik 2 2

U. 11.2 Menguji Korelasi dengan Pendekatan Sebaran Normal Hipotesis

H a : ρ=P0
H a : ρ≠P0 , b. ρ> ρ0 c . ρ< ρ0
1 1+r 1 1+ ρ0
ln − ln
2 1−r 2 1−ρ 0
Z=
1
√ ( n−3 )
 a . Z>Z 1 atau Z <−Z 1
( 1−2) ( 1−a )
2 2
b . Z>Z 1
−a
2
c . Z <−Z1
Daerah kritik, 2−a

11.3 Koefisien Korelasi Data Yang Dikelompokkan

Menghitung koefiosienj korelasi dan dua peubah yang masing-masing

dikelompokkan atas selang digunakan rumus:

T.II. 2

n ∑ fu x u y −∑ f x u x . ∑ f x u y
r xy =
√ [ n∑ f u −(∑ f u ) ][ n∑ f
x
2
x x x
2 2
y u y− (∑ f y u y ) ]
2

11.4 Koefisien Kortelasi Berganda

Koefisien korelasi berganda dapat dihitung dari konsep koefisien

2
determinasi pada regresi berganda yang disimbolkan dengan r y , x 1 x 2 ⋯x k
sebagaimana disajikan pada kecocokan model regresi,

Varians yang dapat dijelaskan mod el

2
Dengan r y , x 1 x 2 ⋯x k = var iasi total

Sehingga koefiosien korelasi adalah akar dari koefisien determinasi

(penutup) koefisien korelasi linier ganda dapat dinyatakan dengan koefisien
korelasi pasangan yang lebih sedikit, misalnya untuk
r y. x2 dinyatakan dengan r
xy.

ry2, dan rx2, sebagai berikut:

r 2yx +r 2y 2 −2 r yx r y 2 r x 2

Ry.x2 = 1−r 2x 2

Uji hipotesis dil;akukan dengan statistik F.

U.II. 3 Uji Korelasi Berganda

Untuk peubah ganda x,x1,

x 2, ⋯x k hubungan ρ2 x , x 1 , x 2 ,⋯x k
dengan

Hipotesis :

H o : ρ=ρ 0
H a : ρ≠ρ0

Statistik uji:

r 2y , 1, 2, ⋯k n−k −1
f hit = .
1−r y , 1 , 2⋯k k

Daerah kritik; F>fa;k vs n-k-1

11.5 Korelasi Parsial

Jika peubah y dinyatakan dengan peubah 1, 2,

x x ⋯x
k dan korelasi y dengan
semua peubah x bersama-sama adalah korelasi peubah ganda, maka korelasi antar
sebagian peubah dengan menganggap peubah lain konstanta disebut Korelasi
Bagian atau Korelasi parsial.

Misalkan y dengan peubah x1 dan x2, korelasi berganda y dengan x1 dan x2

dinyatakan dengan ry,12 sedangkan korelasi parsial y dengan x1 adalah korelasi dua
peubah. Peubah tersebut dengan memandang x2 konstanta dan diberi symbol ry,12.

Rumus koefisien korelasi parsial adalah :

T.11. 3

ρ 1Ψ −ρ1 ρ 12 S
ρ1 , 2=
√ (1− ρ )( 1−ρ
2
2
2
12 )
Menguji korelasi parsial
U. II. 4 menguji korelasi parsial

Hipotesis

H o : ρ y .12=0 ,Tidak berkorelasi

H a : ρ y .12≠0 ,ada korelasiyang berarti

Di uji dengan:

r 2y . 12( n−3 )
f hit =
2

Daerah kritik; F> fα ;1 ,n−3

11.6 Koefisien Korelasi Tata Jenjang Spearman

Metode pendekatan korelasi spearman adalah dengan menggunakan urutan

kedudukan atau pangkat atau tata jenjang. Yang memegang peranan adalah
perbedaan tata jenjang yang digunakan dalam penulisan ini adalah rs

T. 11. 4
∞
∑ d 2i
i=1
r s=1 2
, di=Perbedaan ranking datake−i
n(n −1)

Uji korelasi spearman

U.11. 5 uji korelasi spearman

Hipotesis:

H o : ρs =o
H a : ρs ≠o

Di uji dengan;

a. Untuk ukuran sampel kecil (n<30)

t hit =r s
√ n−2
1−r 2s

b. Untuk ukuran sampel besar ( n¿ 30 )

 Z hit =r s √ n−1

Daerah kritik:

1 atau T <t 1
1− α :n−2 1− α ; n−2
a) T>t 2 2

1 atau Z <Z 1
(1−α ) ( 1−α )
b) Z>Z 2 2

11. 7 Korelasi Point Biserial

Korelasi point biserial dua peubah, dimana salah satu peubah diantaranya
memenuhi asumsi menyebar normal, sedang peubah lainnya terdiri dari dua
katagori atau dua bagian. Katakanlah nilai y dipisahkan atas dua bagian sesuai
dengan katagori yaitu yA dan yB dengan rataan berturut-turut ȳ A dan ȳ B ,
simpangan baku Sy, sedangkan proporsi frekuensi pada katagori A dengan
katagori B adalah P;Z dan koefisien korelasi dilambangkan dengan rpb maka:

T. 11. 5

ȳ A − ȳ B
r ph = √ Pz
Sy

Uji korelasi

U.11. 6 Uji Korelasi Point Biseriel

Hipotesis:

H 0 : ρ pb=0
H a : ρ pb≠0

Diuji dengan:

t hit =r pb
√ n−2
1−r 2pb

Daerah kritik untuk taraf signifikasi α

T >t 1 ; atau T <−t 1

1− α 1− α ; n−2
2 2

11. 8 Korelasi Biserial

 Korelasi biserial adalah korelasi antara dua peubah yang berhubungan
linier dimana peubah pertama kontinu dan normal.

T. 11. 6

ȳ A − ȳ B
rb= ( pz )
Sy

Dihubungkan dengan korelasi point biserial maka dapat hubungan

T.11. 7

r b =r pq
√ ( pq )
w
11. 9 Koefisien Korelasi Rank Kendal

Koefisien kendall adalah pengukuran keeratan hubungan antara dua

peubah ordinal yang telah diurut berdasrkan tat jenjang atau rangking.

T. 11. 8

S S S
τ= = =
(¿ 2 n ) n! 1
n ( n−1 )
( n−2 ) !2! 2

T. 11. 9

S
τ=

√[ 1
2
n ( n−1 )−T x
1
2 ][
n ( n−1 )−T y ]
1 1
T x=
2
∑ t x , ( t x 1−1 ) dan T y= ∑ t yt ( t y 1−1 )
2
dengan

U.11. 7 Uji Korelasi Kendall

H o :P x =0 τ
Z hit =

Hipotesis:
H a : Pτ≠0
, Diuji dengan: √ 2 ( 2 n+5 )
9 n ( n−1 )

Daerah kritik untuk taraf signifikasi α :

 1 atau 1
(1−α ) (1−α )
Z>Z 2 Z<Z 2
VIII. EVALUASI

1. Carilah koefisien korelasi rank antara rank tono dan joni di dalam menilai 10
merek rokok;
Rank Tono 8 3 9 2 7 10 4 6 1 5

Rank Joni 9 5 10 1 8 7 3 4 2 6

Selisih rank(d) -1 -2 -1 1 -1 3 1 2 -1 -1

d2 1 4 1 1 1 9 1 4 1 1

Penyelesaian ;

6 ∑ d 2i
1−
Rank= n ( n 2−1 )

6 ( 1+4 +1+⋯+1 )
1−
= 10 ( 100−1 )

= 1-0,1455

= 0,8545

= 0,85

2. Sebuah sampel acak dengan ukuran n=28 telah diambil dari sebuah populasi
normal bervariabel dua. Dari sampel itu didapat r = 0,80. tentukan taksiran
koefisien korelasi ρ untuk populasi.
Penyelesaian ;

Titik taksiran dengan mudah dapat ditentukan ialah ρ = 0,80. untuk

menentukan interval taksiran ρ dengan angka kepercyaan y = 95%.
Misalkan dengan rumus:

Z=( 1 ,1513 ) log (1+r

1−r )

Z=1 ,1513 log ( 1+0 , 8

1−0 , 8 )
Z=1 ,0986

Dari rumus:

( )
1 1+ ρ 0
μ z = ln
2 1−ρ0
1
τ z=
√ n−3
Dan

z−z vzy σ z < μ z < Z +Z vzy σ z

Didapat,

1 ,96 1 , 96
1 , 0986− <μ z <1, 0986+
√ 28−3 √ 28−3

Atau 0,7066< μ z <1 , 4906

Subsitusi batas-batas ini ke dalam rumus-rumus untuk μ z =1 ,7066 maka:

( )
μ z =( 1 ,1513 ) log
1+ ρ
1−ρ
0 , 7066= ( 1, 1513 ) log (
1−ρ )
1+ ρ

log (
1−ρ )
1+ ρ
=0 ,06137 yang menghasilkan ρ=0 , 609
untuk μ z =1 , 4906 Dihasilkan

1 , 4906=( 1 ,1513 ) log

1+ ρ
1−ρ ( )
log
( )
1+ρ
1−ρ
=1 ,2947 yang menghasilkan ρ=0 , 903

Interval taksiran ρ dengan angka kepercayaan 95% adalah 0,609<

ρ<0 ,903

3. Hitunglah koefisien korelasi tahannya membaca dengan lamanya istirahat

seseorang jika dianggap konsumsi protein tetap, dan ujilah hipotesis H 0 ; ρ y 1. 2 =0

lawan Ha ; ρ y 1. 2 ≠0 .

Jawab:

0 , 959−0 ,830 . 0 , 823

r y 1. 2 = =0 ,8704
√[ 1−( 0 , 830 ) ][ 1−( 0 , 823 ) ]
2 2

H0 ;
ρ y 1. 2 =0 lawan H ρ y 1. 2 ≠0 .
a;

Dengan α=0 , 01 daerah kritik F > f0,01; 1,7 = 12,5

( 0 , 8704 )2 (10−3 )
f hit = =21 , 877
1−( 0 , 804 )2 > f0,01;1,7

Ternyata H0 ditolak, korelasi parsial antara lama tahan membaca dengan

lama tahan tidur istirahat sangat berarti.