KORELASI

LINEAR
SEDERHANA

OLEH :
Mohammad Iqbal Yusuf (12)
KELAS : TK 2A

1
 KOEFISIEN KORELASI
(KK)
Merupakan indeks atau bilangan yang digunakan untuk mengukur keeratan (kuat, lemah atau tidak ada)
hubungan antar variabel.
Koefisien korelasi ini memiliki nilai antara -1 dan +1 (-1 KK +1)
Untuk menentukan keeratan korelasi antar variabek tersebut , berikut ini diberikan nilai nilai dari KK
sebagai patokan.
KK = 0 tidak ada korelasi
0 < KK 0,20 variasi sangat rendah / lemah sekali.
0,20 < KK 0,40 korelasi rendah / lemah tapi pasti.
0,40 < KK 0,70 korelasi yang cukup berarti.
0,70 < KK 0,90 korelasi yang tinggi, kuat.
0,90 < KK 1,00 korelasi sangat tinggi, kuat sekali, dapat diandalkan.
KK = 1 korelasi sempurna
2
 KOEFISIEN KORELASI
PEARSON

Koefisien ini digunakan untuk mengukur keeratan hubungan antara dua variabel yang
datanya berbentuk data interval atau rasio. Disimbolkan dengan r, dengan rumus:

=
2 2 2 2

3
 KOEFISIEN PENENTU / KOEFISIEN
DETERMINASI (KP)
Apabila koefisieb korelasi dikuadratkan, akan menjadi koefisien penentu (KP) atau koefisien
determinasi (R), yang artinya penyebab perubahan pada variabel Y yang dating dari X, sebesar
kuadrat koefisien.
Koefisien penentu ini menjelaskan besarnya pengaruh nilai suatu variabel (variabel X) terhadap
naik turunnya (variasi) nilai variabel lainnya (variabel Y). Dengan rumus :
2
= = 100%
Nilai koefisien penentu ini terletak antara 0 dan +1 (0 KP +1). Jika koefisien korelasinya adalah
koefisien Korelasi Pearson (r), maka koefisien penentunya adalah:
= = 2 100%
Dalam bentuk rumus, koefisien penentu (KP) dituliskan sebagai berikut:

=
2 2 2 2

4
 HUBUNGAN KOEFISIEN KORELASI DENGAN
KOEFISIEN REGRESI

Antara koefisien korelasi (r) dan koefisien regresi (b) terdapat hubungan.
Hubungan tersebut dalam bentuk rumus:

=

1 2
= 2

1 2
= 2

5
 CONTOH SOAL
Berikut adalah data hasil pengamatan biaya proses penjualan suatu barang untuk 5 kali percobaan yan telah
dilakukan.
Tabel hasil pengamatan terhadap biaya promosi dan hasil penjualan

x 3 6 9 10 13
y 12 23 24 26 28
x = biaya promosi (dalam ratusan ribu)
y = hasil penjualan(dalam jutaan)

1. Tentukan besarnya Koefisien Korelasi dan jelaskan artinya!

2. Tentukan besarnya Koefisien Penentu dan jelaskan artinya!
3. Tentukan besarnya Koefisien Korelasi menggunakan rumus hubungan antara Koefisien Korelasi dengan
Koefisien Regresi!

6
 PEMBAHASAN SOAL
x y x2 y2 xy
3 12 9 114 36 41
= = = 8,2
6 23 36 529 138 5
9 24 81 576 216
10 26 100 676 260
113
= = = 22,6
13 28 169 784 364 5
41 113 395 2709 1014

1014 5 8,2 22,6 87,4

= 2 2
= 2
= = 1,486
395 5 8,2 58,8

= = 22,6 1,486 8,2 = 10,415

7
 PEMBAHASAN SOAL

51014 41113
1. = =
2 2 2 2 5395 41 2 52709 113 2

437 437 437

= = = = 0,814
294 776 294 776 228144

Jadi antara variabel x (banyaknya posisi) dan variabel y (nilai penjualan) terdapat korelasi
positif dan kuat, artinya apabila sering mengadakan promosi maka hasil penjualan juga
akan meningkat.

8
 PEMBAHASAN SOAL

2. = 0,814
= = 2 100% = 0,814 2 100% = 66,26%
Artinya pengaruh variabel x (berapa kali promosi) terhadap variasi (naik turunnya)
variabel y (hasil penjualan) hanya sebesar 66,26% dan sisanya sebesar 33,74% berasal
dari faktor faktor lain seperti biaya distribusi biaya periklanan tetapi tidak dimasukkan
dalam persamaan regresinya, namun tetap mempengaruhi variabel y.

9
 PEMBAHASAN SOAL
3. =5 = 10,415 b = 1,486
= 41 2 = 395 = 1014
= 113 2 = 2709

1 2 1 412
= 2 = 395 = 3,429
5 5

1 2 1 1132
= 2 = 2709 = 5,571
5 5

1,486 3,429
= = = 0,915
5,571
Jadi, antara koefisien korelasi dan koefisien regresi terdapat hubungan yang positif dan kuat sekali.

10
 PENERAPAN KOEFISIEN
KORELASI
Metode analisis yang telah dibicarakan hingga sekarang adalah analisis terhadap data mengenai
sebuah karakteristik atau atribut (jika data itu kualitatif) dan mengenai sebuah variabel, diskrit
ataupun kontinu (jika data itu kuantitatif). Tetapi sebagaimana disadari, banyak persoalan atau
fenomena yang meliputi lebih dari sebuah variabel. Misalnya: berat orang dewasa laki-laki sampai
taraf tertentu bergantung pada tingginya, tekanan semacam gas bergantung pada temperatur, hasil
produksi padi tergantung pada jumlah pupuk yang digunakan, banyak hujan, cuaca dan sebagainya.
Akibatnya, terasa perlu untuk mempelajari analisis data yang terdiri atas banyak variabel. Jika
kita mempunyai data yang terdiri atas dua atau lebih variabel, adalah sewajarnya untuk mempelajari
cara bagaimana variabel-variabel itu berhubungan. Hubungan yang didapat pada umumnya
dinyatakan dalan bentuk persamaan matematik yang menyatakan hubungan fungsional antara
variabel-variabel. Studi yang menyangkut masalah ini dikenal dengan analisis regresi.

11
 Korelasi merupakan hubungan antara dua kejadian dimana kejadian yang satu dapat
mempengaruhi eksistensi kejadian yang lain, misalnya kejadian X mempengerahui kejadian Y. Apabila
dua variable X dan Y mempunyai hubungan, maka nilai variable X yang sudah diketahui dapat
dipergunakan untuk memperkirakan / menaksir atau meramalkan Y. Ramalan pada dasarnya
merupakan perkiraan / taksiran mengenai terjadinya suatu kejadian (nilai suatu variabel) untuk waktu
yang akan datang. VariabeL yang nilainya akan diramalkan disebut variable tidak bebas (dependent
variable), sedangkan variabel C yang nilainya dipergunakan untuk meramalkan nilai Y disebut variable
bebas (independent variable) atau variable peramal (predictor) atau seringkali disebut variable yang
menerangkan (explanatory). Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui
suatu di luar hasil penyelidikan, salah satu cara untuk melakukan peramalan adalah dengan
menggunakan garis regresi. Untuk menghitung parameter yang akan dijadikan dalam penentuan
hubungan antara dua variabel, terdapat beberapa cara, yaitu: koefisien detreminasi, koefisien
korelasi. Apabila terdapat data berkelompok menggunakan koefisien data berkelompok dan bila
menggunakan data berganda maksudnya variabel bebas yang mempengaruhi variabel terikat ada
dua, maka menggunakan koefisien berganda. Sedangkan regresi di bagi menjadi dua, yaitu regresi
linier dan regresi non linier. Dimana regresi linier juga dibagi menjadi dua yakni regresi linier
sederhana dan regresi linier berganda.
12