28/11/23

Pengujian Koefisien dan Korelasi

Sederhana

Maharani Pertiwi K.

CPMK

• Mampu menjelaskan dan Memahami makna adanya hubungan dua variabel atau lebih.

1
 28/11/23

Outline

• Regresi Linier Sederhana

• Pendugaan dan pengujian parameter A dan B

• Interval keyakinan μ

• Korelasi sederhana

• Pendugaan dan pengujian parameter rho

Apakah ada hubungan antara kenaikan harga

sayuran dengan perubahan cuaca? Korelasi Sederhana
Apakah ada hubungan antara tingkat
pendapatan dengan pemilihan jenis kendaraan?
• Jenis-jenis korelasi yang dapat terjadi antara dua variabel.
• Korelasi Positif à korelasi dua variabel, apabila variabel
Pengujian hipotesis dengan korelasi sederhana independen (X) meningkat atau turun maka variabel dependen
(Y) cenderung untuk meningkat atau turun.
• Korelasi Negatif à korelasi dua variabel, apabila variabel
• Teknik statistik yang digunakan untuk mengukur
independen (X) meningkat atau turun maka variabel dependen
kekuatan hubungan dua variabel dan juga untuk
(Y) cenderung untuk turun atau meningkat.
dapat mengetahui bentuk hubungan antara dua
• Tidak ada Korelasi à apabila kedua variabel X dan Y tidak
variabel tersebut dengan hasil yang sifatnya
menunjukan adanya hubungan.
kuantitatif.
• Korelasi Sempurna à korelasi dari dua variabel yang benar-
4
benar terjadi.

2
 28/11/23

Korelasi Sederhana
Nilai r Keeratan hubungan antar
Koefisien korelasi ( r) à indeks atau variabel
bilangan yang digunakan untuk mengukur
r=0 tidak ada korelasi
keeratan hubungan antar variabel
0 < r ≤ 0,20 korelasi sangat lemah sekali
! Ʃ#$ %Ʃ# Ʃ$ 0,20 < r ≤ 0,40 korelasi lemah sekali
r=
(! Ʃ#' %(Ʃ#')(! Ʃ$' % Ʃ$ ')
0,40 < r ≤ 0,70 korelasi yang cukup kuat
X = Variabel independen
Y = Variabel dependen 0,70 < r ≤ 0,90 korelasi yang kuat
n = Banyaknya sampel 0,90 < r < 1,00 korelasi sangat kuat
r=1 korelasi sempurna
Nilai dari r antara -1 dan 1 (-1≤ r ≤ 1)
r2 = Koefisien determinasi (KD) adalah angka yg menya- takan
kontribusi atau sumbangan yg diberikan oleh satu/lebih variabel X
r2 = Koefisien determinan (koefisien
(bebas) terhadap variabel Y (terikat).
penentu) = r2 x 100% 5

Korelasi Sederhana

• Scatter Diagram
• Hubungan kedua variabel tersebut adalah positif karena peningkatan nilai X juga
diikuti peningkatan nilai Y (searah)
• Derajat atau tingkat hubungan kedua variabel X dan Y sangat erat (titik-titik yang
menunjukkan pertemuan nilai X dan Y mendekati garis lurus)
• Hubungan kedua variabel adalah linier, karena titik-titik yang menunjukkan
pertemuan nilai X dan Y tersebut dapat menggambarkan garis lurus.

• Berdasarkan pola hubungan antara X dan Y yang diperoleh dari scatter diagram maka secara garis
besar sifat hubungan antara variabel independent (X) dan variabel dependent (Y) dapat
diklasifikasikan sebagai hubungan linier dan hubungan nonlinier. 6

3
 28/11/23

Regresi Linier Sederhana

• Analisis regresi merupakan alat yang dapat • Alat statistik untuk mengetahui pengaruh antara satu atau
memberikan penjelasan hubungan antara dua jenis beberapa variabel terhadap satu buah variabel.
variabel yaitu hubungan antara variabel dependen • Variabel yang mempengaruhi sering à variabel bebas, variabel
atau variabel kriteria dengan variabel independen independen atau variabel penjelas.

atau variabel predictor.
• Analisis hubungan antara dua variabel disebut
sebagai analisis regresi sederhana jika hanya
melibatkan satu variabel independen.
• Analisis disebut sebagai analisis regresi berganda
jika melibatkan lebih dari satu variabel independen.
• Variabel yang dipengaruhi àvariabel terikat atau variabel
dependen.
• Regresi linear hanya dapat digunakan pada skala interval dan
ratio.
• Model yang paling sederhana untuk menjelaskan pengaruh antara
variabel dependen dengan satu variabel independen merupakan
regresi sederhana.
7

Regresi Linier Sederhana

• Hubungan antara variabel dependen (Y) dengan variabel • Asumsi dasar dalam analisis regresi adalah
independen (X) dituliskan dalam model linier umum: 1. setiap Y yang merupakan kombinasi linier atas
X dan mengikuti distribusi normal
2. e tersebar secara acak dan tidak berpola
mengikuti besarnya nilai X
!i , i = 1,2,........p adalah koefisien regresi yang berarti
di mana " 3. tidak terdapat hubungan (korelasi) yang tinggi
besarnya perubahan pada $# , jika Xi bertambah satu satuan dan antar variabel X.
! adalah intercept.
variabel yang lain konstan, "o
• Residual e mengikuti distribusi normal dengan rata-rata 0 dan
varians konstan sebesar &2.
8

4
 28/11/23

Regresi Linier Sederhana

• Analisis regresi sederhana hanya melibatkan satu variabel Model Regresi Sederhana !" = $ + &'
independen X, sehingga dalam persamaannya p=1, sehingga X = Variabel independen
model liniernya adalah: Y = Variabel dependen
a = Konstanta
b = koefisien regresi

• Dengan model seperti pada persamaan diatas maka hipotesis yang diajukan untuk diuji adalah H0: (1 =
0 terhadap H1: (1 ≠ 0.
• Untuk menolak H0 harus dapat dibuktikan secara empirik bahwa (1 ≠ 0 atau (1 bermakna (significant)
atau dengan kata lain ada hubungan linier regresi antara Y dan X seperti pada persamaan sebelumnya.
9

Regresi Linier Sederhana

• Contoh 1:
Berikut hasil test karyawan dengan unit penjualan perminggu:

Karyawan Hasil Test (X) Penjualan (Y)

a. Tentukan persamaan regresi linier sederhana
A 4 5
B 7 12 b. Hitunglah nilai penjualan, apabila seorang karyawan
C 3 4 memiliki hasil test sebesar 9
D 6 8
E 10 11

10

5
 28/11/23

Regresi Linier Sederhana

• Contoh 2:
Seorang manajer transportasi ingin mengetahui hubungan antara umur kendaraan dengan biaya perawatannya. Setelah
pengamatan, diketahui hubungan antara umur kendaraan dengan biaya perawatan sebagai berikut:

Nomor Kendaraan Umur Kendaraan Biaya Reparasi a. Tentukan persamaan regresi linier sederhana data
(tahun) (X) (Rp. 000.000) (Y)
diatas
N 101 CC 5 3,1
N 104 CC 11 4 b. Hitunglah biaya reparasi, apabila umur kendaraan
N 207 CC 4 3
adalah 8 tahun.
N 532 CC 5 3,4
N 227 CC 3 2,5
N 438 CC 2 2 11

Pendugaan dan pengujian parameter A dan B

• Persamaan regresi dan koefisien korelasi pada umumnya dihitung dengan menggunakan data sampel.
• Persamaan regresi sampel ini digunakan untuk menduga persamaan regresi populasi yang tidak
diketahui.
• Untuk mengetahui apakah persamaan regresi sampel harus diuji validitasnya terlebih dahulu.
• Hal yang sama berlaku untuk koefisien korelasi.

12

6
 28/11/23

Pendugaan dan pengujian parameter A dan B

Distribusi t dengan df = n–2

! "#$
Uji Statistik parameter A: t =
• Pendugaan Interval untuk Parameter A: %!

P(a–tα/2;n-2 Sa ≤ A ≤a + tα/2;n-2 Sa) = 1–α

Atau dalam bentuk sederhana

a–tα/2; n-2 Sa≤ A ≤a + tα/2; n-2 Sa

Artinya: dengan interval keyakinan 1–α dalam jangka panjang, jika sampel diulang-ulang, 1–α kasus pada interval a–tα/2; n-2 Sa sampai
dengan a+ tα/2; n-2 Sa akan berisi A yang benar.

&
(Ʃ,- "! Ʃ, ".(Ʃ/,)(Ʃ/-)
Sa2 = '() 1Ʃ / " / -
13

Pendugaan dan pengujian parameter A dan B

• Pendugaan Interval untuk Parameter A: • Prosedur pendugaan A:

# = 1 – 0,95 = 5% = 0,05
Contoh 3: Uji dan dugalah A dengan menggunakan penduga a hasil
persamaan Y = 29,993 + 0,0566 X. Diketahui : 1⁄2 # =0,025è t(1⁄2 #;df)èt(0,025,9)=2,262
P (a – t(0,025; 11 – 2) Sa < A < a + t (0,025; 11 – 2) Sa) = 0,95.
N = 11
! = 1.223,9 $
%&'
(Ʃ*+ ,- Ʃ* ,.(Ʃ/*)(Ʃ/+)
" = 99,27 Sa =2
1Ʃ / , / +

ƩX2 = 26.855.704,50
Sa = 4,682
ƩY2 = 142.467,16 P (29,997 – 2,262 (4,682) < A < 29,997 + 2,262 (4,682)) = 0,95 P (29,997
ƩXY = 1.923.540,133 – 10,591 < A < 29,997 + 10,591) = 0,95
P (19,406 < A < 40,588) = 0,95
ƩY= 1.091,97
batas atas pendugaan A ialah 40,588 dan batas bawahnya menjadi 19,405.
Ʃ (X – X )2 = 10.378.461,18
a = 29,9973
14
b = 0,0566

7
 28/11/23

Pendugaan dan pengujian parameter A dan B

• Pendugaan Interval untuk Parameter A:

Prosedur pengujian Ao = 0, sebagai berikut:
1. H0: A=0 H1: A≠0
2. ! =0,05
" #$% 29,997#)
3. Statistik uji à t = = = 6,4069
&" *,,,-

4. Daerah kritis, karena pengujian terhadap 2 arah, maka daerah kritisnya adalah à t (1⁄2 ! ; n-2)à t (0,025; 9) = 2,262
5. Kesimpulan: Karena daerah kritis lebih kecil dari statistik uji (2,262 < 6,4069), maka H0 ditolak artinya bahwa parameter A tidak sama dengan nol

15

Pendugaan dan pengujian parameter A dan B

Distribusi t dengan df = n–2 ! "#$
Uji Statistik parameter B: t = %!

• Pendugaan Interval untuk Parameter B:

P(b–tα/2;n-2 Sb ≤ B ≤ b + tα/2;n-2 Sb) = 1–α
Atau dalam bentuk sederhana

b–tα/2; n-2 Sb≤ B ≤b + tα/2; n-2 Sb

Artinya: dengan interval keyakinan 1–α dalam jangka panjang, jika sampel diulang-ulang, 1–α kasus pada interval b–tα/2; n-2 Sb sampai
dengan b+ tα/2; n-2 Sb akan berisi B yang benar.

&
(Ʃ,- ". Ʃ, "!(Ʃ/,)
Sb2 = '() Ʃ /"/ -
16

8
 28/11/23

Pendugaan dan pengujian parameter A dan B

• Pendugaan Interval untuk Parameter A: • Prosedur pendugaan B:

# = 1 – 0,95 = 5% = 0,05
Contoh 4: Uji dan dugalah A dengan menggunakan penduga a hasil
persamaan Y = 29,993 + 0,0566 X. dalam soal persamaan diketahui : 1⁄2 # =0,025è t(1⁄2 #;df)èt(0,025,9)=2,262
$
N = 11 (Ʃ*+ ,- Ʃ* ,.(Ʃ/*)
Sb2 = %&' Ʃ /,/ +
! = 1.223,9
" = 99,27 Sb = 0,003
P (b – t(1⁄2 #, df) Sb < B < b + t(1⁄2 #, df) Sb) = 1 – #
ƩX2 = 26.855.704,50
P (0,0566 – t (0,025; 11-2)0,003 < B < 0,0566 + t (0,025; 11-2)) = 1 – #
ƩY2 = 142.467,16 P (0,0566 – 0,0068 < B < 0,0566 + 0,0068 = 0,95
ƩXY = 1.923.540,133 P (0,049814 < B < 0,063414) = 0,95

ƩY= 1.091,97
Ʃ (X – X )2 = 10.378.461,18
a = 29,9973
17
b = 0,0566

Pendugaan dan pengujian parameter A dan B

• Pendugaan Interval untuk Parameter B:

Prosedur pengujian Bo = 0, sebagai berikut:
1. H0: B=0 H1: A >0
2. ! =0,05

" #$% 0,0566#,

3. Statistik uji à t = = = 18,866
&" ,,,,-

4. Daerah kritis, karena pengujian terhadap 2 arah, maka daerah kritisnya adalah à t (! ; n-2)à t (0,05; 9) = 1,833
5. Kesimpulan: Karena Karena statistik uji lebih besar dari daerah kritis, H0 ditolak (H1 diterima).

18

9
 28/11/23

Interval keyakinan μ
• Parameter yang digunakan untuk menentukan keakuratan Mean suatu sampel
• Jika !, #_ ! dan df (degree of freedom = derajat kebebasan), kita dapat menghitung batas kepercayaan (confidence limit) atas dan bawah
dan menentukan interval keyakinan.
• Langkah-langkah menghitung:

2. Hitung Standar Deviasi

1. Hitung nilai ! 3. Standar eror S!
Ʃ!, 2
+ 4. Tentukan Tingkat
!% =
Ʃ() Ʃ!,2 − / S! = Kepercayaan (95-99%)
* += /
/ −1

Kita dapat menyatakan bahwa …% yakin bahwa

6. Hitung Interval Keyakinan 5. Hitung nilai t kritis
rata-rata pengukuran …. Berada antara …. Dan
…. !% ± t (S!) Df = n-1
19

Interval keyakinan μ
• Contoh 5:
Seorang manajer Quality Control melakukan pemeriksaan berat produksi susu kaleng. Sebanyak 20 sampel ditimbang dan hasilnya ditampilkan
pada tabel berikut. Analisis interval keyakinan μ dari data tersebut.

Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Berat 120 102 94 129 111 91 139 146 136 96 125 131 121 113 143 132 138 143 123 138
(mg)

10
 28/11/23

Pendugaan dan pengujian parameter rho

• Pengujian Koefisien Korelasi Populasi: ! (Baca ‘Rho’) à menentukan kekuatan asosiasi diantara variabel.
• Langkah-langkah:

2. Menentukan daerah penerimaan H0 dengan menggunakan statistik t

1. Menentukan H0 dan H1 dengan df = n – 2
H0 : ! = 0 n = jumlah pasangan observasi
H1 : ! ≠ 0 H0 diterima jika statistik uji berada diantara –t (1⁄2 "; df) dan t (1⁄2 "; df)
Jika tidak, H0 ditolak dan H1 diterima

4. Membandingkan statistik uji

# $%&
dengan t tabel untuk 3. Menghitung nilai statistik uji: t= '%#&
mengambil kesimpulan.
21

Pendugaan dan pengujian parameter rho

• Contoh 6: Perusahaan Biaya marketing (juta) Keuntungan (juta)

Ada keyakinan bahwa antara strategi marketing dan penjualan ada A 44,6 2,,45
hubungannya. Berikut adalah biaya marketing dan keuntungan dari
B 9,3 2,2
11 perusahaan yang ada di Jl. Candi Kota Malang pada tahun C 9,1 0,65
2020.
D 35,85 4,0
a. Tentukan persamaan regresi linier pengaruh penjualan E 29,3 3,3
terhadap keuntungan! Dan tentukan nilai prediksi keuntungan
F 23,4 2,05
jika penjualan sebesar 45.
G 8,75 2,3
b. Tentukan nilai koefisien korelasinya. Dan berikan
H 5,95 0,85
interpretasinya?
I 9,8 1,75
c. Ujilah koefisien korelasi dengan menggunakan alfa 5%
J 25,6 4,1
K 14,3 3,05

11
 28/11/23

TERIMA KASIH

12