Statistika Sosial

Bab-9
CORRELATION ANALYSIS
 Tujuan Bab
Setelah menyelesaikan bab ini, mahasiswa mampu :
 Menghitung dan menginterpretasikan korelasi sederhana antara dua
variabel
 Menentukan signifikansi korelasi
 Menghitung dan menginterpretasikan persamaan regresi linier sederhana
untuk satu set data
 Memahami asumsi analisis regresi
 Menentukan signifikansi model regresi
 Menghitung dan menafsirkan interval kepercayaan untuk koefisien regresi
 Mengenali aplikasi analisis regresi untuk tujuan prediksi dan deskripsi
 Mengenali beberapa potensi masalah jika analisis regresi digunakan
secara tidak benar
 Mengenali hubungan nonlinier antara dua variabel
 Analisis Korelasi dan Regresi
Analisis Korelasi (X Y)
 Analisis statistik yang ditujukan untuk mengukur

kekuatan/keeratan hubungan dua variabel yang diteliti.

 Kekuatan/keeratan hubungan dua variabel

digambarkan oleh nilai koefisien korelasi (ρ atau r).

Analisis Regresi (X  Y)
 Analisis statistik yang ditujukan untuk mengukur
pengaruh satu variabel (Independent Variable / X)
terhadap variabel lain (Dependent Variable / Y)
 Diagram Pencar dan Korelasi
 Sebuah scatter plot (atau diagram pencar)
digunakan untuk menunjukkan korelasi antara
dua variabel
 Analisis korelasi digunakan untuk mengukur
kekuatan asosiasi (korelasi linear) antara dua
variabel
 Konsen pada kekuatan korelasi
 Tidak ada efek kausalitas
 Contoh Diagram Pencar
Korelasi Linier Korelasi Non-Linier

Y y
Loyalitas
Pelanggan Minat

Kualitas Pelayanan
x Frek. Marcom
x

y y
Jumlah
Permintaan

Harga Barang x x
 Contoh Diagram Pencar
(continued)
Korelasi Kuat Korelasi Lemah

y y

x x

y y

x x
Contoh Diagram Pencar
(continued)
Tidak Ada Korelasi

x
 Mengukur Kekuatan Korelasi
(continued)

 Koefisien korelasi populasi ρ (rho)

mengukur kekuatan korelasi antara variabel
 Koefisien korelasi sampel r adalah
perkiraan ρ dan digunakan untuk mengukur
kekuatan korelasi linier dalam pengamatan
sampel
 Nilai ρ and r

Nilai ρ dan r berkisar antara -1 dan 1

 Semakin dekat ke -1, semakin kuat

korelasi linear negatif

 Semakin dekat ke 1, semakin kuat
korelasi linear positif
 Semakin dekat ke 0, semakin lemah
korelasi linear
 Ukuran Korelasi dari Guilford
 0.0 - < 0.2 Sangat Lemah
 0.2 - < 0.4 Lemah
 0.4 - < 0.6 Sedang
 0.6 - < 0.8 Kuat
 0.8 - < 1.0 Sangat Kuat
 Contoh Perkiraan Nilai r
y y y

x x x
r = -1 r = -0.6 r=0
y y

x x
r = +0.3 r = +1
 Menghitung Koefisien Korelasi
Koefisien Korelasi Sampel :

r
 ( x  x)( y  y)
[ ( x  x ) ][  ( y  y ) ]
2 2

Atau Ekivalen :
n xy   x  y
r
[n( x 2 )  ( x )2 ][n( y 2 )  (  y )2 ]
dimana:
r = Koefisien Korelasi Sampel
n = Ukuran Sampel
x = Nilai variabel Independen
y = Nilai variabel dependen
 Contoh Soal
Jumlah Kualitas Terpaan Berita Tingkat
Pembelian Pelayanan Pengetahuan

y x X Y
35 8 5 70
49 9 7 80
27 7 3 50
33 6 9 90
60 13 2 40
21 7 6 75
45 11 8 85
51 12 4 60
=321 =73 =44 =550
 Contoh Perhitungan-1
Jumlah Kualitas
Pembelian Pelayanan

y x xy y2 x2
35 8 280 1225 64
49 9 441 2401 81
27 7 189 729 49
33 6 198 1089 36
60 13 780 3600 169
21 7 147 441 49
45 11 495 2025 121
51 12 612 2601 144
=321 =73 =3142 =14111 =713
 Contoh Perhitungan-2
Terpaan Tingkat
Berita Pengetahu
an
X Y xy y2 x2
5 70 350 4900 25
7 80 560 6400 49
3 50 150 2500 9
9 90 810 8100 81
2 40 80 1600 4
6 75 450 5625 36
8 85 680 7225 64
4 60 240 3600 16
X Y XY y2 x2
=44 =550 =3320 =39950 =284
 Contoh Perhitungan-1
(continued)

Jumlah n xy   x  y
Pembelian r
70
[n(  x 2 )  (  x) 2 ][n(  y 2 )  (  y) 2 ]
60

8(3142)  (73)(321)
50 
40
[8(713)  (73)2 ][8(14111)  (321)2 ]

 0.886
30

20

10

0
0 2 4 6 8 10 12 14 r = 0.886 → Relatif sangat kuat dan
Kualitas Pelayanan, x positif Korelasi linier antara x dan y
 Contoh Perhitungan-2
(continued)
=44 =550 =3320 =39950 =284
Tingkat
n xy   x  y
Pengetahuan/ r
Kesadaran
70
[n( x 2 )  ( x )2 ][n( y 2 )  (  y )2 ]
60

50

40

30

20

10

0
0 2 4 6 8 10 12 14

Terpaan Berita
r = 0.98 → sangat kuat dan positif
Korelasi linier antara x dan y
Tabel Guilford
Interval Nilai r Correlation Tingkat Hubungan
0,1 - < 0,2 Sangat Lemah
0,2 - < 0,4 Lemah
0,4 - < 0,6 Sedang/Cukup Berarti
0,6 - < 0,8 Kuat
0,8 – 1,0 Sangat Kuat
 Excel Output

Excel Correlation Output

Tools / data analysis / correlation…

Tree Height Trunk Diameter

Tree Height 1
Trunk Diameter 0.886231 1

Correlation between
Tree Height and Trunk Diameter
 Tes Signifikansi Korelasi
 Hipotesis
H0: ρ = 0 (Tdk ada korelasi)
HA: ρ ≠ 0 (Ada korelasi)

 Tes statistik

r

t (n – 2 derajat bebas /degrees of freedom)

1 r 2
n2
 Contoh Soal
Apakah ada bukti korelasi linier antara tinggi
pohon dan diameter batang pada tingkat
signifikansi 0,05?

H0: ρ = 0 (Tdk ada korelasi)

H1: ρ ≠ 0 (Ada korelasi)
 =.05 , df = 8 - 2 = 6

r .886
t   4.68
1 r 2 1  .886 2
n2 82
 Jawaban

r .886 Keputusan :
t   4.68
1 r 2 1  .886 2 Tolak H0

n2 82 Menolak Statement yang

menyatakan tidak ada hubung
an antara var-X dan var-Y.
d.f. = 8-2 = 6 Artinya ada hubungan antara
kualitas pelayanan dengan
jumlah pengunjung
/2=.025 /2=.025
Konklusi :
Ada bukti dari korelasi
linear pada tingkat
Tolak H0 Terima H0 Tolak H0 signifikansi 5%
-tα/2 tα/2
0
-2.4469 2.4469
4.68