TEORI PENGUKURAN DAN PEMBINAAN

INSTRUMEN (KPN6044 )
Tajuk : Korelasi Separa
Regresi berganda
PENSYARAH :
Profesor Dr. Siti Eshah binti Mokshein

OLEH:
MOHD MUAZ BIN ABDUL HAMID KORELASI SEPARA
MUHAMBIGA A/P RADAKRISHNAN KORELASI
MOHD NAWAWI BIN ABDUL HAMID REGREASI BERGANDA

KORELASI

Kajian korelasi
Penyelidikan yang cuba mencari kaitan antara pemboleh ubah deng
an menggunakan kaedah statistik korelasi
tanpa mencari sebab/ penyebabnya berlaku sesuatu
fenomena

Contoh:
Seorang penyelidik ingin mengetahui sama ada wujud hubungkait a
ntara prestasi akademik pelajar kejuruteraan
dan masa mengulangkaji subjek tersebut.

Pengerian Korelasi Linear

Sederhana

Korelasi adalah istilah statistik yang menyatakan derajat hubungan

linear antara dua variabel atau lebih, yang ditemukan oleh Karl
Pearson pada awal 1900.

Oleh sebab itu terkenal dengan sebutan Korelasi Pearson Product

Moment (PPM).

Korelasi adalah salah satu teknik analisis statistik yang paling

banyak digunakan oleh para peneliti.

 Analisis korelasi yang mencakup dua variabel X

dan Y disebut analisis korelasi linear sederhana
(simple linear correlation), sedangkan yang
mencakup lebih dari dua variabel disebut analisis
korelasi linear berganda (multiple linear
correlation).
Bentuk hubungan antara variabel-variabel X dan
Y dapat berupa :
1. Hubungan positif atau negatif
2. Hubungan linear atau non-linear (curvi-linear)

Hubungan kedua variabel X dan Y dikatakan positif bila perubahan

yang terjadi pada variabel X akan mengakibatkan terjadinya
perubahan variabel Y pada arah yang bersamaan.
Misalnya, kalau pendapatan seseorang naik, maka jumlah barang
yang dibeli akan naik pula.
Sebaliknya bila pendapatan turun, maka jumlah barang yang
dibeli juga turun.
Hubungan kedua variabel X dan Y dikatakan negatif bila perubahan
yang terjadi pada variabel X akan mengakibatkan terjadinya
perubahan pada variabel Y pada arah yang berlawanan.
Misalnya, makin banyak orang menggunakan minyak tanah untuk
bahan bakar, makin murah harga kayu bakar

JENIS-JENIS
KORELASI

Koefisien Determinasi (r2)

Koefisien determinasi merupakan ukuran yang dapat

dipergunakan untuk mengetahui besarnya pengaruh variabel
bebas terdapat variabel tidak bebas.
Bila koefisien determinasi r = 0, bererti variabel bebas tidak
mempunyai pengaruh sama sekali ( = 0% ) terhadap variabel tidak
bebas.
Sebaliknya, bila koefisien determinasi r = 1, bererti variabel tidak
bebas 100% dipengaruhi oleh variabel bebas.
Kerana itu letak r berada dalam selang ( interval ) antara 0 dan 1.

Secara aljabar dinyatakan :

0
21

Koefisien Korelasi (r)

Koefisien korelasi merupakan ukuran yang dapat dipergunakan untuk

mengukur darjah kerapatan hubungan kedua variabel X dan Y.

Dengan koefisien korelasi akan dapat diketahui apakah antara kedua

variabel itu terdapat hubungan atau tidak.

Suatu hubungan dikatakan sempurna, apabila koefisien korelasi =

1,ertinya hubungan itu sempurna positif atau negatif.

Sebaliknya, suatu hubungan itu dikatakan tidak sempurna, apabila

koefisien korelasi r < +1 atau r > -1, ertinya hubungan itu tidak
sempurna positif atau tidak sempurna negatif.

 KOEFISIEN KORELASI (r) : ukuran hubungan linear

pemboleh ubah X dan Y.
Nilai r : antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
Jika nilai r mendekati +1 atau r mendekati -1 maka X
dan Y memiliki korelasi linear yang tinggi.
Jika nilai r = +1 atau r = -1 maka X dan Y memiliki
korelasi linier sempurna.
Jika nilai r = 0 maka X dan Y tidak memiliki hubungan
linear (dalam kes r mendekati 0, anda dapat
melanjutkan analisis ke regresi eksponensial)

JENIS-JENIS
KORELASI

Interpretasi dari nilai r menurut Husaini

Usman dan R. Purnomo Setiady Akbar

Secara amnya dinyatakan : 1 +1

Perhitungan dengan metod product moment dari Karl

Pearson Untuk mencari Koefisien Korelasi dipergunakan
rumus sebagai berikut :

Koefisien Determinasi dicari dengan Koefisien Korelasi.

Jadi r = (r)
Teknik korelasi ini digunakan untuk mencari hubungan dan
membuktikan hipotesis hubungan dua variabel bila data
kedua variabel berbentuk interval atau ratio, dansumber
data dari dua variabel atau lebih tersebut adalah sama.
Pengujian Signifikansi Korelasi iaitu
, maka
H diterima atau korelasinya tidak signifikan.

CONTOH
Setelah mendapatkan persamaan Regresi
Y = 2.530 + 1.053 X, hitung koefisien korelasi (r) dan
koefisien determinasi (R).
Gunakan data berikut:

 Koefisien Korelasi (r)

Nilai r = 0.9857 menunjukkan bahawa pemboleh

ubah X (promosi) dan Y (isipadu penjualan)
berkorelasi linear yang positif dan tinggi
Koefisien Determinasi (R)
R = r2 =(0.9857)2 =0.97165....= 97 %
Nilai R = 97%

Korelasi Separa
(Partial Correlation)

Definisi
Korelasi Separa adalah kajian untuk mencari
hubungan atau perkaitan yang melibatkan dua
pemboleh ubah.
Kajian melibatkan hubungan linear antara dua
pemboleh ubah kajian dengan mengawal
pemboleh ubah lain yang didapati mempunyai
hubungan linear dengan kedua-dua pemboleh
ubah tersebut

 Pemboleh ubah kawalan dalam kajian korelasi

separa ini merupakan pemboleh ubah yang
tidak di kaji secara langsung TETAPI
berkemungkinan mempunyai kesan ke atas
variabel kajian

Prosedur Korelasi Separa

Keputusan analisis korelasi separa adalah ringkas
kerana keputusan ini mengandungi tiga jenis
maklumat. Maklumat tersebut ialah
1. Senarai variable variable dalam kajian dengan
nilai min dan sisihan piawainya
2. Zero Order Partials yang menunjukkan
perhubungan antara variable kajian tanpa variable
kawalan
3. Korelasi separa yang menunjukkan perhubungan
antara variable kajian selepas mengawal variable
kawalan

Contoh Kajian
Kajian untuk melihat hubung kait antara kaedah
pengajaran guru tahfiz (IV) dengan penggunaan
ICT (DV) dengan mengawal faktor gaya
pengajaran guru
Berkemungkinan
gaya
pengajaran
guru
memberi kesan kepada kaedah pengajaran guru

Contoh Kajian
Justeru, gaya pengajaran guru adalah sebagai
pemboleh ubah kawalan atau control variable
yang perlu dikawal dalam kajian ini

Ujian bagi Korelasi Separa

Ujian bagi Korelasi Separa adalah seperti ujian
korelasi Pearson dan Spearman Rho
Ia bertujuan untuk menentukan kuat atau lemah
sesuatu arah hubungan sama ada signifikan
atau sebaliknya

REGRESI

Dalam model regresi linear, pembolehubah yang berfaedah

(apa yang dikenali sebagai "pemboleh ubah bersandar)
diramalkan daripada k pembolehubah lain (apa yang dikenali
sebagai pemboleh ubah tidak bersandar atau bebas)
dengan menggunakan persamaan linear.
Jika Y menandakan pembolehubah bersandar,
dan X1, , Xk, adalah pembolehubah tidak bersandar,
maka andaian adalah bahawa nilai Y pada masa t (atau
baris t) dalam sampel data ditentukan oleh persamaan
linear.

12/18/16

Membina model Regresi

Mengumpul data yang
relevan dan
bermaklumat

B
A
C
K
G
R
O
U
N
D

membuat inferens
dan keputusan
menentukan
pembolehubah

membina
model

Dalam membuat penelitian, perkara-perkara berikut,

perlu diberi perhatian:
pembolehubah bersandar - mempunyai beberapa langkah,
hasil, kos atau produktiviti dan bergantung kepada pemboleh
ubah bebas
pembolehubah bebas - mungkin menjadi perkara-perkara
yang
mengawal (seperti harga anda sendiri atau masa promosi)
atau
tidak mengawal (seperti harga pesaing anda atau kadar
pengangguran atau masa cuti).

12/18/16

Contohnya Mudah

Adakah hasil tanaman akan dipengaruhi oleh

rawatan kimia dan cuaca semasa yang semakin
meningkat.
Dalam masalah membuat keputusan,
Pembolehubah bersandar:- hasil pertanian
Pembolehubah bebas:- rawatan kimia dan cuaca semasa.

12/18/16

Memilih model regresi yang baik memerlukan :a) Pengumpul data yang berguna (memastikan di mana
ia datang dari dan bagaimana ia diukur)
b) Pelaksanakan analisis deskriptif (untuk memahami
corak data dan mengesan masalah data yang
berkualiti)
c) Menilai transformasi data sesuai (bukti kukuh
hubungan linear antara pembolehubah bebas dan
bersandar)
d) Pemasangan, penapisan dan perbandingkan model
e) Pemeriksaan (andaian model tertentu - sesuai atau
perlu model alternatif )
f) Pemilihan antara model yang munasabah
(berdasarkan ukuran ketepatan yang sesuai)
g) Memperolehi beberapa maklumat (yang berguna dari
proses keseluruhan).
12/18/16

12/18/16

Contoh jawapan
a) kira SXX, SYY dan SXY

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

REGRESI LINEAR
BERGANDA

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

12/18/16

Menghitung Nilai Standard Error Estimate

12/18/16

Test

SEKIAN, TERIMA KSIH

Evaluate