LINEAR SEDERHANA
1. KORELASI POSITIF
C. DIAGRAM PENCAR
2. KORELASI NEGATIF
C. DIAGRAM PENCAR
4. KORELASI SEMPURNA
TABEL 8.1 HUBUNGAN ANTARA HASIL
PENJUALAN DAN BIAYA IKLAN, DARI SEBUAH
PERUSAHAAN
Keterangan:
SX = simpang baku (standar deviasi) variabel X
Sy = simpang baku {standar deviasi} variabel Y
KK = koefisien korelasi .
3. JENIS-JENIS KOEFISIEN
KORELASI LINEAR SEDERHANA
nXY .Y
r X
(nX (X ) ) (nY
2 2 2
2
(Y) )
XX
Keterangan:
r = koefisien korelasi
x = deviasi rata-rata variabel X
= XX
y = deviasi rata-rata variabel Y
= YY
CONTOH SOAL:
X 3 6 9 10 13
Y 12 23 24 26 28
(5)(1.014) (41)(113)
((5)(395) (41)2 ) ((5)(2709) (113)2
)
437 = 0,91 437
294.776
228.144
4 77,64
437
Hubungan/korelasinya sangat kuat sekali/tinggi
KOEFISIEN KORELASI RANK
SPEARMAN
KOEFISIEN KOREIASI RANK SPEARMAN ADALAH INDEKS ATAU ANGKA
YANG DIG UNTUK MENGUKUR KEERATAN HUBUNGAN ANTARA DUA
VARIABEL YANG DATANYA BERBENTUK DATA ORDINAL (DATA
BERTINGKAT/DATA RANKING). DISIMBOLKAN DENGAN “RS”.
KOEFISIEN KORELASI RANK SPEARMAN DIRUMUSKAN:
KOEFISIEN KORELASI RANK SPEARMAN
DIRUMUSKAN:
2
6d
rs 1
n(n 2
1)
Keterangan:
rs =koefisien korelasi rank Spearman
d =selisih dalam ranking
n =banyaknya pasangan rank
UNTUK MENGHITUNG KOEFISIEN KORELASI RANK,
DAPAT DIGUNAKAN LANGKAH-LANGKAH BERIKUT.
Matematika 82 75 85 70 77 60 63 66 80 89
Statistik 79 80 89 65 67 62 61 68 81 84
X Y Ranking X Ranking Y d d2
82 79 8 6 +2 4
75 80 5 7 -2 4
85 89 9 10 -1 1
70 65 4 3 +1 1
77 67 6 4 +2 4
60 62 1 2 -1 1
63 61 2 l +1 1
66 68 3 5 -2 4
80 81 7 8 -1 1
89 84 10 9 +1 1
Jumlah 22
PENEYELESAIAN
2 b. korelasi
6d
a. rs = 1 positif dan
n(n 1)
2
kuat, artinya
6(22) jika nilai
1 2 matematika
10(10 = 1)
= 1 – 0,133
tinggi maka nilai
statistik juga
cenderung tinggi.
LATIHAN SESI 10
PENGARUH JUMLAH DIKLAT TEKNIS (X) TERHADAP PRODUKTIVITAS KERJA (Y)
PEGAWAI PADA SEBUAH KANTOR SEBAGAI BERIKUT;
X 2 3 4 5 6 7 8 9
Y 4 5 6 5 7 7 9 10
Pertanyaan
1. Hitunglah KK dengan r (LS) dan rs!
2. Termasuk korelasi apa!
3. Berilah kesimpulan!
SELAMAT MENGERJAKAN
KOEFISIEN PENENTU (KP) ATAU
2
KOEFISIEN DETERMINASI (R )
JIKA KOEFISIEN KORELASI DIKUADRATKAN AKAN MENJADI
KOEFISIEN PENENTU (KP) ATAU KOEFISIEN DETERMINASI,
YANG ARTINYA PENYEBAB PERUBAHAN PADA VARIABEL Y
YANG DATANG DARI VARIABEL X, SEBESAR KUADRAT
KOEFISIEN KORELASINYA. KOEFISIEN PENENTU INI
MENJELASKAN BESARNYA PENGARUH NILAI SUATU VARIABEL
(VARIABEL X) TERHADAP NAIK/TURUNNYA (VARIASI)
NILAI VARIABEL LAINNYA (VARIABEL Y). KOEFISIEN
PENENTU DIRUMUSKAN:
RUMUS
KP = R2 = (KK)2 x 100%
KP = R2 = r2 x 100%
CONTOH SOAL:
DENGAN MENGGUNAKAN DATA PADA CONTOH SOAL PADA KOEFISIEN KORELASI
PEARSON, TENTUKAN: KOEFISIEN PENENTUNYA. APA ARTINYA.
PENYELESAIAN:
DARI JAWABAN CONTOH SOAL TERSEBUT DIPEROLEH NILAI R = 0,91
KP = R2 X 100%
= (0,91) X 100%
= 0,8281 X 100%
= 82,81 %
PENGARUH VARIABEL (PEMUPUKAN) TERHADAP NAIK TURUNNYA
X
(VARIASI) VARIABEL Y (HASIL PANEN) HANYA SEBESAR 82,81 %,
SELEBIHNYA 17,19% BERASAL DARI FAKTOR-FAKTOR LAIN, SEPERTI BIBIT,
CURAH HUJAN, DAN SEBAGAINYA, TETAPI TIDAK DIMASUKKAN DALAM
PERHITUNGAN.
REGRESI LINIER
• REGRESI MERUPAKAN SUATU ALAT UKUR YANG JUGA
DIGUNAKAN UNTUK MENGUKUR ADA ATAU
TIDAKNYA KORELASI ANTAR VARIABEL.
• ANALISIS REGRESI LEBIH AKURAT DALAM MELAKUKAN
ANALISIS KORELASI, KARENA PADA ANALISIS ITU
KESULITAN DALAM MENUNJUKKAN SLOP (TINGKAT
PERUBAHAN SUATU VARIABEL TERHADAP VARIABEL
LAINNYA DAPAT DITENTUKAN). JADI, DENGAN ANALISIS
REGRESI, PERAMALAN ATAU PERKIRAAN NILAI
VARIABEL TERIKAT PADA NILAI VARIABEL BEBAS LEBIH
AKURAT PULA.
REGRESI LINIER
• REGRESI LINEAR ADALAH REGRESI YANG VARIABEL BEBASNYA
(VARIABEL X) BERPANGKAT PALING TINGGI SATU. UNTUK REGRE5I
LINEAR SEDERHANA, YAITU REGRESI LINEAR YANG HANYA
MELIBATKAN DUA VARIABEL (VARIABEL X DAN Y), PERSAMAAN
GARIS REGRESINYA DAPAT DITULISKAN DALAM DUA BENTUK, YAITU
SEBAGAI BERIKUT.
1. PERSAMAAN REGRESI LINEAR DARI Y
TERHADAP X
Y = a+bX
Dimana
Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop
2. PERSAMAAN REGRESI LINEAR
DARI X TERHADAP Y
X = a+bY
Dimana
X = Variabel terikat
Y = variabel bebas
a = intersep
b = koefisien regresi
Dari kedua bentuk persamaan regresi
linear di atas, yang paling umum
digunakan adalah persamaan regresi
berbentuk:
Y = a + bX
nilai a dan b dapat ditentukan dengan
cara berikut:
RUMUS A DAN B
(Y ) 2
) (X ) (XY )
(X
a =
(n)(X 2 ) (X )2
X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4
1. Buatkan persamaan garis regresinya Y’ = a + bX!
2. Berapa Omzet penjualan dari seorang karyawan yang
pengalaman kerjanya 10 tahun ?
3. Jika diinginkan omzet penjualan Rp.15.000
perusahaan harus mencari karyawan yang
berpengalam berapa tahun?
PENYELESAIAN
X Y X2 XY
2 5 4 10
3 8 9 24
2 8 4 16
5 7 25 35
6 11 36 66
1 3 1 3
4 10 16 40
1 4 1 4
24 56 96 198
1. Menentukan Persamaan Regresi
Tentukan nilai a terlebih dahulu
(Y
) (X2 )
a= (X ) (XY )
(n)(X 2 ) (X ) 2
1.584 1.344
240
1,25
768 576 192
Berdasarkan perhitungan diperoleh: Nilai a
= 3,25 dan
Nilai b = + 1,25
Maka persamaan regresinya adalah:
Y a bX
'
Y = 3,25 + 1,25 X
Keterangan:
Y = omzet penjualan
3,25 = besarnya omzet penjualan jika pengalaman kerja 0 tahun 1,25
= perubahan/ pertambahan omzet penjualan jika pengalaman
kerja bertambah satu tahun
X = pengalaman kerja
2) Jika diketahui pengalaman kerja karyawan= 10 tahun tentukan
prediksi omzet penjualannya!
Jawab:
Y’ = 3,25 + 1,25X
= 3,25 + 1,25 (10)
= 3,25 + 12,5
= 15,75
Berdasararkan perhitungan tersebut jika pengalaman kerja 10 tahun diprediksi omzet
penjualan sebesar Rp. 15.750 (15,75 x 1000 berdasar contoh soal satuan dalam ribuan)
•