Maharani Pertiwi K.
CPMK
• Mampu menjelaskan dan Memahami makna adanya hubungan dua variabel atau lebih.
1
28/11/23
Outline
• Interval keyakinan μ
• Korelasi sederhana
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
• 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. • Variabel yang dipengaruhi àvariabel terikat atau variabel
dependen.
• Analisis hubungan antara dua variabel disebut
sebagai analisis regresi sederhana jika hanya
• Regresi linear hanya dapat digunakan pada skala interval dan
ratio.
melibatkan satu variabel independen.
• Model yang paling sederhana untuk menjelaskan pengaruh antara
• Analisis disebut sebagai analisis regresi berganda
variabel dependen dengan satu variabel independen merupakan
jika melibatkan lebih dari satu variabel independen.
regresi sederhana.
7
• 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
• 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
• Contoh 1:
Berikut hasil test karyawan dengan unit penjualan perminggu:
10
5
28/11/23
• 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
• 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
! "#$
Uji Statistik parameter A: t =
• Pendugaan Interval untuk Parameter A: %!
&
(Ʃ,- "! Ʃ, ".(Ʃ/,)(Ʃ/-)
Sa2 = '() 1Ʃ / " / -
13
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
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
&
(Ʃ,- ". Ʃ, "!(Ʃ/,)
Sb2 = '() Ʃ /"/ -
16
8
28/11/23
ƩY= 1.091,97
Ʃ (X – X )2 = 10.378.461,18
a = 29,9973
17
b = 0,0566
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:
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
• Pengujian Koefisien Korelasi Populasi: ! (Baca ‘Rho’) à menentukan kekuatan asosiasi diantara variabel.
• Langkah-langkah:
11
28/11/23
TERIMA KASIH
12