ANALISIS HUBUNGAN

Pengertian :
Untuk mengetahui kekuatan, bentuk, dan arah hubungan di antara variabel variabel Untuk mengetahui besarnya pengaruh variabel yang satu (variabel bebas = X) terhadap variabel lainnya (variabel tak bebas = Y) Hubungan antar variabel dapat berbentuk : 1. Hubungan simetris, yaitu bentuk hubungan dimana 2 variabel atau lebih muncul bersamaan sehingga tidak diketahui dengan pasti mana variabel bebas dan mana variabel tak bebas. Contoh: hubungan antara tingkat kemanisan buah rambutan dengan keberadaan semut di pohon rambutan
2.

Hubungan kausal, yaitu bentuk hubungan sebab akibat. Variabel X dan Y sangat jelas. Contoh: hubungan antara tingkat serangan penyakit dengan produksi tanaman. Hubungan timbal balik, yaitu bentuk hubungan dimana 2 variabel saling mempengaruhi. Tidak jelas mana variabel X dan mana variabel Y. Contoh: Hubungan antara motivasi dan prestasi kerja, hubungan antara kadar N dan P dalam tanaman.

3.

Teknik Statistik dalam analisis hubungan

1. Analisis korelasi Koefisien korelasi, adalah indeks atau bilangan yang digunakan untuk mengukur kekuatan hubungan serta bentuk dan arah hubungan.
.. . . . . . . . . .. . .. . . . . .. . . .. . .. .. .. . . . . . . . . . . . . . .. .. . . .

Korelasi positif 0< 1

Korelasi negatif -1 < 0

tidak ada korelasi =0

Jika koefisien korelasi bernilai positif maka variabel-variabel berkorelasi positif, artinya jika variabel X naik atau turun, maka variabel Y akan naik atau turun juga. Makin mendekati nilai +1, semakin kuat korelasi positifnya. Jika koefisien korelasi bernilai negatif maka variabel-variabel berkorelasi negatif, artinya jika variabel X naik atau turun maka variabel Y akan turun atau naik. Makin mendekati nilai -1, semakin kuat korelasi negatifnya. Jika koefisien korelasi = 0 maka tidak ada korelasi antar variabel. Jika koefisien korelasi bernilai +1 atau -1 berarti variabel-variabel menunjukkan korelasi positif atau negatif sempurna

Interval nilai koefisien korelasi : No Interval nilai KK Kekuatan hubungan 1 0,00 Tidak ada hubungan 2 0,00 - 0,20 Sangat rendah/lemah sekali 3 0,20 - 0,40 Rendah/lemah 4 0,40 - 0,70 Cukup berarti/sedang 5 0,70 - 0,90 Tinggi/kuat 6 0,90 - 1,00 Sangat tinggi/kuat sekali 7 1,00 Sempurna
2.

Koefisien Penentu atau koefisien determinasi (KD) adalah angka atau indeks yang digunakan untuk mengetahui besarnya sumbangan suatu variabel atau lebih (var X/bebas) terhadap variasi (naik/turunnya) variabel yang lain (var tak bebas/ Y). Nilai KD berada antara 0 dan 1 : Jika KD = 0, berarti tidak ada pengaruh variabel tak bebas X terhadap variabel bebas Y Jika KD = 1, berarti variasi variabel Y 100% dipengaruhi variabel X

Jika 0 < KD < 1, berarti besarnya pengaruh variabel X terhadap variasi variabel Y adalah sebesar KD, dan selebihnya dipengaruhi faktor lain. 3.Regresi Alat analisis hubungan yang digunakan untuk meramalkan atau memperkirakan nilai dari satu

variabel dalam hubungannya dengan variabel yang lain melalui persamaan garis regresi. Regresi linier regresi yang memperlihatkan data yang ada dapat dinyatakan berada pada suatu garis lurus (linier) : Regresi linier sederhana, regresi yang hanya melibatkan 2 variabel (satu variabel bebas X dg satu variabel tak bebas Y). Regresi linier berganda, regresi yang melibatkan > 1 variabel bebas X dengan 1 variabel tak bebas Y. Regresi nonlinier regresi yang memperlihatkan data yg ada tidak dapat dinyatakan pada suatu garis lurus (non linier) Regresi kuadratik Regresi eksponensial Regresi polinomial

Regresi kuadratik Regresi eksponensial Reg. polinomial

Analisis Hubungan antara 2 Variabel

4

1.

Koefisien korelasi (KK) sederhana adl koefisien korelasi yang digunakan untuk mengukur derajat hubungan 2 variabel
Jenis variabel dan jenis koefisien korelasi sederhana yang tepat

Variabel 1 Nominal

Variabel 2 Nominal

Nominal Nominal Ordinal

Ordinal Interval/rasio Ordinal

Ordinal Interval/rasio Interval/rasio Interval/rasio

Koefisien korelasi 1. kontingensi (C) 2. Lambda () 3. Phi ( ) Theta () 1. Eta () 2. Point biserial (rpbi) 1.Gamma () 2. Spearman (rs) Jaspens (M) Pearson (r)

Nilai r = 0,6716 artinya variabel bebas X dengan variabel tak bebas Y mempunyai hubungan yang positif dan cukup berarti, peningkatan nilai X akan diikuti oleh peningkatan nilai Y. 2. Koefisien Determinasi KD = (KK)2 x 100% KD= 45,10%, memberikan pengertian bahwa variasi nilai Y yang disebabkan oleh variabel X hanya sekitar 45,10%, selebihnya 54,9% disebabkan faktor-faktor lain. 3. Persamaan Regresi Linier Sederhana
5

Y = a + bX hubungan fungsional Jika X = 0 maka Y = a, sehingga a merupakan titik perpotongan garis dengan sumbu Y (intersep). Jika a = 0, garis tsb melalui titik asal Perubahan satu satuan pada X mengakibatkan perubahan b satuan pada Y b disebut koefisien regresi Contoh persamaan regresi : Y = 2.933,93 60,92X Artinya: - Jika tidak ada X, maka nilai Y adalah 2.933,93 - Tanda negatif pada persamaan regresi menunjukkan hubungan negatif, berarti peningkatan X diikuti penurunan Y - Koefisien regresi b = 60,92, artinya setiap kenaikan X sebesar 1 satuan akan menurunkan Y sebesar 60,92 Agar suatu persaman regresi linier dapat berguna sebagai peramal bagi Y, harus diuji hipotesis H0:1=0 lawan H1:1 0 melalui uji t atau sidik ragam regresi. Melalui uji t : Jika t > t/2(n-2) tolak H0, dapat disimpulkan bahwa persamaan regresi tersebut dapat dipergunakan untuk meramal nilai Y berdasarkan nilai X

Jika t t/2(n-2) terima H0, persamaan regresi tidak dapat digunakan untuk meramalkan nilai Y berdasarkan nilai X
6

Melalui sidik ragam regresi SK db JK KT Regresi p-1 JKR KTR Sisa n-p JKS KTS Total n-1
n = total sampel, p= jumlah variabel

F-hit F-tab KTR/KTS

Jika F-hitung F-tabel, maka H0 diterima, artinya hubungan X dan Y tidak bermakna Jika F hitung > F tabel, maka H0 ditolak, artinya hubungan X dan Y bermakna Uji Kesesuaian Model Untuk menentukan model yang paling sesuai dalam menggambarkan hubungan X dengan Y - Perlu dilakukan jika terdapat pengulangan pada variabel X
SK Regresi Sisa Galat Simpangan model Total
-

db p-1 n-p dbGM dbSM n-1

JK JKR JKS JKGM JKSM

KT F-hit F-tab KTR KTR/KTS KTS KTGM KTSM KTSM/KTGM

Jika F-hitung simpangan model nyata, berarti model menyimpang, sehingga harus dicari model lain. - Jika F-hitung simpangan model tidak nyata, berarti model sesuai

UJI BEDA ANTAR GARIS REGRESI

7

Pengelompokan garis-garis regresi : Garis-garis tsb harus mempunyai jumlah variabel yang sama - Pangkat masing-masing variabel garis yang satu harus sama dengan pangkat masing-masing variabel dari garis lainnya. - Sekelompok garis regresi yang berderajat sama dilakukan pengujian secara serempak untuk menyatakan apakah garis-garis tersebut sejajar dan atau berimpit. Pengujian kesejajaran dan keberimpitan sekelompok garis regresi berderajat sama menggunakan variabel boneka (dummy variabel), yaitu variabel tambahan yang kita buat sendiri untuk memberi sandi atau tanda pada setiap garis yang akan diuji. Setiap persaman regresi mempunyai sandi yang berlainan. Makin banyak persamaan garis yang akan diuji perbedaan atau kesamaannya, makin banyak kombinasi sandi yang digunakan
ya yb yc yc yb yb ya ya

Contoh model persaaan uji beda 3 garis regresi linier : Ya = b0a + b1aX Yb = b0b + b1bX Yc = b0c + b1cX Karena ada 3 persamaan, maka variabel bonekanya
8

Z=31=2 Jadi persamaan regresi gabungan yang diuji : Y = b0 + b1X + b2Z1 + b3Z1X + b4Z2 + b5Z2X Jika hasil uji tidak berbeda nyata, maka persamaan regresi gabungan tsb tidak dapat digunakan sebagai wakil ketiga persamaan garis di atas. Uji kesejajaran dan keberimpitan garis regresi untuk mengetahui apakah 2 atau lebih garis regresi secara statistik dapat dikatakan sama atau berbeda. Kesejajaran atau ketidaksejajaran garis ditentukan oleh sama tidaknya besar nilai gradien garis-garis yang diuji Garis regresi yang sejajar perlu diuji keberimpitannya yang ditentukan oleh besar nilai konstantanya Y1 = a + bX Y2 = c + dX

Jika : b = d, kedua garis sejajar a = c, kedua garis sejajar dan berimpit b = d tetapi a c kedua garis sejajar tapi tidak berimpit Dari persamaan regresi gabungan : Y = b0 + b1X + b2Z1 + b3Z1X + b4Z2 + b5Z2X Hipotesis uji kesejajaran 3 garis regresi: H0 : b3 = b5 = 0 vs H1 : b3 dan atau b5 0
9

Jika : F-hitung regresi parsial b3 dn b5 < F-tabel, maka ketiga garis tsb sama dan sejajar Jika F-hitung regresi parsial b3 dan b5 Ftabel, sedikitnya ada sebuah garis regresi yang gradiennya berbeda dan garisnya tidak sejajar dengan 2 garis lainnya. Hipotesis uji keberimpitan 3 garis regresi : H0 : b2=b3=b4=b5=0 vs H1 : sedikitnya ada satu nilai b 0 Jika : F-hitung regresi parsial b2, b3, b4, b5 < Ftabel, maka ketiga garis tersebut berimpit F-hitung F-tabel, sedikitnya ada satu garis yang tidak berimpit.

TUGAS
1.

Pelajari buku Gomez & Gomez Bab 9, buat ringkasan

10

2. -

Buat tugas mengenai regresi korelasi yang berhubungan dengan bidang pertanian: Tentukan topiknya Definisikan masalahnya Buat tujuannya Susun hipotesisnya Rancang data (ambil data sekunder saja) yang akan diregresi dan dikorelasikan Lakukan analisis data Tarik kesimpulan dan jawab tujuannya

11