(KORELASI PRODUCT
MOMENT)
UJI PARAMETRIK
UJI REGRESI
PENGERTIAN UJI KORELASI PRODUCT
MOMENT
Keterangan :
r : koefisien korelasi
ΣX : jumlah skor item
ΣY : jumlah skor total (item)
n : jumlah sampel
4. Mencari r Tabel
Rumus untuk mencari nilai r tabel yaitu :
r table = (α; df)
Keterangan :
Jika tingkat kepercayaan 95%, maka nilai α atau
signifikansi = 5% atau 0,05
df = derajat kebebasan atau Degree of Freedom,
ditentukan dengan rumus: df = n – k, dimana :
n = Jumlah sampel
k = jumlah variabel (independen & dependen)
Keterangan :
t : nilai hitung
r : koefisien korelasi hasil r hitung
n : jumlah sampel
6. Mencari t Tabel
Rumus untuk mencari nilai t tabel yaitu :
t table = (α/2; df)
Nilai t table bisa dicari di table berikut :
20
7. Menentukan Besarnya Kontribusi Variabel X Terhadap Y
Gunakan rumus koefisien determinasi (KD) sebagai
berikut :
KD = r2 x 100%
8. Membuat Simpulan
o Jika nilai r semakin mendekati +1 atau -1, maka
hubungan kedua variabel semakin kuat
o Jika t hitung / r hitung > t tabel / r tabel, Ho ditolak
artinya signifikan
o Jika t hitung / r hitung < t tabel / r tabel, Ho diterima
artinya tidak signifikan
o Semkain besar nilai KD, maka semakin besar
kontribusi varibel X terhadap Y
CONTOH 1
Sebuah penelitian untuk mengetahui apakah ada
hubungan antara Hb ibu hamil dengan berat badan bayi
lahirnya. Variabel yang digunakan adalah Hb ibu hamil
dan berat badan bayi lahir dengan skala data interval.
Peneliti mengumpulkan data sebanyak 20 responden,
melalui catatan medik di salah satu rumah sakit di
Jogjakarta. Hasil pengumpulan data kemudian di
masukkan pada tabel berikut ini :
No. Hb BBL No. Hb BBL
(mg/dL) (gram) (mg/dL) (gram)
1 11,2 2500 11 10,7 2700
5. Mencari t Hitung
6. Mencari t Tabel Klik Di Sini
t tabel = (α/2; df) Untuk
Melihat t
df = n – k tabel
df = 20 – 2 = 18
Dengan melihat t tabel, maka didapatkan t table
untuk (0.025;18) adalah 2.10
Dimana :
Ŷ : nilai Y yang diprediksi
X : variabel independen = variabel bebas = prediktor
a : intercept = nilai Ŷ bila X = 0, atau intercept/perpotongan garis
regresi dengan sumbu Y
b : slope = kemiringan garis regresi = koefisien regresi = nilai Y
meningkat sebesar b unit untuk setiap kenaikan nilai X sebesar
satu
Sedangkan a dan b diperoleh dengan persamaan
sebagai berikut:
Suatu Ibu
studi ingin melihat hubungan antara
BB Ibu (Kg)
variabel
BB Bayi (gram)
berat badan ibu dengan berat badan bayi yang
1 49.4 3515
dilahirkannya. Datanya sebagai berikut:
2 63.5 3742
3 68.0 3629
4 52.5 2880
5 54.4 3008
6 70.3 4068
7 50.8 3373
8 73.9 4124
9 65.8 3572
10 54.4 3359
1. Membuat Tabel Bantu
No X Y X2 Y2 XY
1 49.4 3515 2440.36 12355225 173641
2 63.5 3742 4032.25 14002564 237617
3 68.0 3629 4624 13169641 246772
4 52.5 2880 2756.25 8294400 151200
5 54.4 3008 2959.36 9048064 163635.2
6 70.3 4068 4942.09 16548624 285980.4
7 50.8 3373 2580.64 11377129 171348.4
8 73.9 4124 5461.21 17007376 304763.6
9 65.8 3572 4329.64 12759184 235037.6
10 54.4 3359 2959.36 11282881 182729.6
ΣY = 35270
ΣX = 603 ΣX2 = ΣY2 = ΣXY =
(ΣY)2 =
(ΣX)2 = 363609 37085.16 125845088 2152724.8
1243972900
2. Menghitung Koefisien Korelasi
Pengambilan keputusan:
o Jika F hitung ≤ F tabel atau probabilitas (Sig) ≥ 0.05,
maka H0 diterima
o Jika F hitung > T tabel atau probabilitas (Sig) < 0.05,
maka H0 ditolak
o Dari tabel di atas, dapat dilihat nilai F hitung yaitu 0.401,
sedangkan nilai F tabel dapat diperoleh dengan menggunakan
tabel F dengan derajat bebas (df) Residual (sisa) yaitu 12 (n-k)
sebagai df penyebut dan df Regression (perlakuan) yaitu 2 (k-1)
sebagai df pembilang dengan tarap siginifikan 0.05, sehingga
diperoleh nilai F tabel yaitu 3.89. Karena F hitung (0.401) < F
tebel (3.89) maka H0 diterima.
o Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0.679
itu berarti probabilitas 0.679 lebih daripada 0.05 maka H0
diterima.
Kesimpulan:
Tidak ada koefisien yang tidak nol atau koefisien berarti, maka
model regresi tidak dapat dipakai untuk memprediksi nilai rapot
Hipotesis:
H0 : Bi = 0
H1 : ada Bi yang tidak nol, i = 1 atau 2
Pengambilan keputusan:
o Jika t hitung ≤ t tabel atau probabilitas (sig) ≥ 0.05,
maka H0 diterima
o Jika t hitung > T tabel atau probabilitas (sig) < 0.05
maka H0 ditolak
Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai t hitung untuk
Constant yaitu 5.360, pada t tabel dengan df 12 dan taraf signifikan 0.05
diperoleh t table = 1.782. Karena t hitung > t tabel maka H0 ditolak. Sedangkan
sig untuk Constant adalah 0.000 yang berarti probabilitas 0.000, karena
probabilitas < 0.05, maka H0 ditolak. Berarti nilai Constant bermakna dan
diramalkan tidak melalui titik (0,0).
Jenis Kelamin: Berdasarkan tabel di atas, dapat dilihat bahwa nilai t hitung
untuk Jenis Kelamin yaitu -0.277. Karena t hitung < t tabel maka H0 diterima.
Sedangkan sig untuk Jenis Kelamin adalah 0.786 yang berarti probabilitas
0.786, karena probabilitas > 0.05, maka H0 diterima. Artinya b untuk jenis
kelamin tidak berarti.
Ulangan Harian 1: Berdasarkan tabel di atas, dapat dilihat bahwa nilai t hitung
untuk Ulangan Harian 1 yaitu 0.882. Karena t hitung < t tabel maka H0
diterima. Sedangkan sig untuk Ulangan Harian 1 adalah 0.395 yang berarti
probabilitas 0.395, karena probabilitas > 0.05, maka H0 diterima. Artinya b
untuk Ulangan Harian 1 tidak berarti
Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu:
Y = 69.429 (Tidak dipengaruhi jenis kelamin dan ulangan harian 1)