KORELASI

Seringkali kita dihadapkan pada permasalahan

apakah ada hubungan antara dua atau lebih variabel
kontinu, misalnya :

- Adakah hubungan antara tingkat inflasi dan harga

beras?

- Adakah hubungan antara asset suatu perusahaan

dengan pajak yang harus dibayarnya?

- Apakah ada hubungan antara suhu dan kecepatan

reaksi ?

- Apakah ada hubungan antara kadar gula dengan pH

darah?
 KORELASI

Merupakan metode yang mengukur kekuatan

hubungan linier antara variabel-variabel.
Dalam kuliah ini akan dibatasi hubungan linier antara
2 variabel numerik

Koefisien korelasi yang biasa digunakan adalah

koefisien korelasi Pearson
 Beberapa ciri dari koefisien korelasi :
1. Nilai  selalu di antara –1 dan 1.
2. Nilai  > 0 terjadi bila kenaikan nilai x terjadi bersama-sama dengan
kenaikan nilai y.
3. Nilai  < 0 terjadi bila kenaikan nilai x terjadi bersama-sama dengan
penurunan nilai y.
4. Nilai  = 1 atau -1 terjadi hubungan linier yang sempurna antara
variabel x dan y, baik dengan arah positif maupun dengan arah negatif
5. Nilai  dekat 0 terjadi bila hubungan linier antara kedua variabel
sangat lemah atau tidak ada hubungan linier antara ke dua variabel
•Secara grafis korelasi antara dua variabel dapat digambarkan sebagai
gambaran titik-titik dalam ruang dimensi dua dari pasangan koordinat X dan Y,
disebut diagram pencar (scatterplot).Makin kuat hubungan kedua variabel, maka
scatter akan menunjukkan bahwa titik-titik tersebut berpencar mengikuti garis
lurus. Jika  = 1 maka titik-titik akan terletak tepat pada garis lurus. Jika  = 0
maka titik-titik akan menyebar secara acak

Contoh :
Diberikan data mengenai jumlah pelanggaran lalulintas, jumlah kendaraan roda
empat (mobil), jumlah kendaraan roda dua (motor) dan jumlah polisi di daerah-
daerah tertentu.

Dae # MOBIL # MOTOR # #

rah POLISI TILANG
1 258 589 89 122
2 265 587 52 120
3 249 698 59 143
4 125 625 57 128
5 0 712 52 145
6 124 692 48 141
7 251 681 49 139
8 0 634 29 128
9 124 697 27 141
10 159 521 59 107
Tidak ada korelasi antara banyak mobil dan banyak tilang
ADA KORELASI YANG KUAT ANTARA BANYAK MOTOR DAN BANYAK TILANG
TIDAK ADA HUBUNGAN LINIER
ANTARA BANYAK POLISI DAN
BANYAK TILANG
X Y

x1 y1

x2 y2

x3 y3 Koefisien korelasi antara X danY

n
 n
 n

x4 y4 n  xi y1    xi    yi 
r  i 1  1  1 
x5 y5  n 2  n 
2
  n
 n

2

 n xi    xi    n yi    yi  
2

x6 y6  1  1    1  1  

x7 y7

x8 y8
CONTOH
Data di bawah ini menyatakan kadar air raksa dan jarak dari
polarograf dalam suatu percobaan kimia
 n xi yi    xi   yi 
r
n x2   x   n y 2   y  
   
2 2

 i i   i i 
korelasi = r = Column 1 Column 2
X Y XY X^2 Y^2 Column 1 1
Column 2 -0.85694 1
1.4 2.4 3.36 1.96 5.76
3.8 2.5 9.5 14.44 6.25 Korelasi antara Jarak dan
7.5 1.3 9.75 56.25 1.69 Kadar Air raksa  r 
 0.85694
10.2 1.3 13.26 104 1.69
Jika jarak bertambah maka
11.7 0.7 8.19 136.9 0.49
kadar air raksa berkurang
15 1.2 18 225 1.44 dan sebaliknya
Total r  0.7343  73% var iasi
2

49.6 9.4 62.06 538.6 17.32 kadar air raksa disebabkan

oleh karena var iasi dari jarak
H0 :   0 UJI HIPOTESIS Pearson dilakukan jika X
H1 :   0 dan Y berdistribusi Normal. Diperiksa
dengan Shapiro Wilk

Pilih   0.05

Statistik Uji :

T 
r n2

 0.86  
41.72
  3.37 ~ t4;0.025
1 r 2
1  0.7396 0.51
T   0.741  H 0 ditolak
Jadi   0
Untuk menguji :
Ho :   0
H1 :   0
Dapat digunakan statistik uji :
r n2
T ~ tn2
1 r 2

Ho ditolak jika T  t / 2; n  2 atau T   t / 2; n  2

Pada contoh di atas :
0.4525 23 2.1701
T   2.4335 ~ t 0.05; 23
1  (0.4525) 2 0 .89176
T  t 0.05; 23  1.714 maka Ho ditolak
Ada korelasi antara promosi dan penjualan
JIKA X ATAU Y TIDAK BERDISTRIBUSI NORMAL
DIGUNAKAN KOEFISIEN SPEARMAN

N
 n  1  n  1
  R  X i  
2 
 

R (Yi ) 
2 

 i 1

n (n  1) /12
2

Ho :   0
H1 :   0
Tentukan 
n 2

Statistik Uji T    R  X i   R Yi   ~ A10

i 1
TABEL A10
 REGRESI LINEAR SEDERHANA

• Menyatakan hubungan fungsional antara variabel

bergantung dan variabel prediktor (faktor/ indikator/
var.bebas)

• Variabel bebas adalah variabel yang

mempengaruhi variabel bergantung

• Variabel bergantung adalah variabel yang

dipengaruhi variabel bebas
•Jika kita hanya memperhatikan satu variabel bebas, maka
dikatakan kita melakukan analisis regresi sederhana.

• Jika ada beberapa variabel bebas yang diperhatikan, maka

dikatakan kita melakukan analisis regresi berganda.

• Dalam kuliah ini, hanya akan dibahas mengenai analisis regresi

sederhana dimana hanya diperhatikan satu variabel respon (Y)
dan satu variabel bebas (X).
MODEL GARIS REGRESI

Y    X 
Y : dependent Variable
 : int ercept
 : slope
 : error
Taksiran garis regresi dapat dituliskan sebagai persamaan garis
lurus :

Ŷ  a  bX
a adalah taksiran dari  yang menyatakan intercept atau
perpotongan garis dengan sumbu y.

b adalah taksiran dari β yang menyatakan gradien atau kemiringan

garis.

ˆ
Yadalah nilai taksiran untuk Y yang dihasilkan garis regresi untuk
nilai x tertentu.

Jika nilai a dan b dapat ditentukan maka persamaan garis regresi

tersebut tertentu pula.
 Dengan metode kuadrat terkecil didapat :

n
 n
 n

n  xi yi    xi    yi 
b 1  1   1 
2
n
 n

n  xi    xi 
2

1  1 
a  y b x
CONTOH
Akan dilakukan analisis regresi untuk mengetahui hubungan
antara variabel Penjualan (sale) dengan Biaya Promosi.

 Dalam contoh ini, penjualan (sale) dianggap sebagai variabel

respon (Y) dan biaya promosi dianggap sebagai variabel
bebas (X).
Model :
Y     X   ; dim ana  ~ NID (0,  )
2

Taksiran mod el ( persamaan regresi )

ˆ
Y  a  bX , dim ana :
n
 n
 n

n  xi yi    xi    yi 
b 1  1   1 
2
n
 n

n  xi    xi 
2

1  1 
a  y b x
PERUSAHAAN PROMOSI PENJUALAN XY X^2 Y^2
A 312 432876 135057312 97344 1.87382E+11
B 211 409876 86483836 44521 1.67998E+11
C 435 786543 342146205 189225 6.1865E+11
D 657 765678 503050446 431649 5.86263E+11
E 814 908765 739734710 662596 8.25854E+11
F 268 543678 145705704 71824 2.95586E+11
G 428 312635 133807780 183184 97740643225
H 561 564324 316585764 314721 3.18462E+11
I 143 132459 18941637 20449 17545386681
J 543 810982 440363226 294849 6.57692E+11
K 512 547657 280400384 262144 2.99928E+11
L 289 543766 157148374 83521 2.95681E+11
M 391 217387 84998317 152881 47257107769
N 670 435432 291739440 448900 1.89601E+11
O 543 213510 115935930 294849 45586520100
P 341 223498 76212818 116281 49951356004
Q 276 653871 180468396 76176 4.27547E+11
R 623 702534 437678682 388129 4.93554E+11
S 276 812657 224293332 76176 6.60411E+11
T 734 543690 399068460 538756 2.95599E+11
U 543 871432 473187576 294849 7.59394E+11
V 243 381580 92723940 59049 1.45603E+11
W 587 587147 344655289 344569 3.44742E+11
X 432 650912 281193984 186624 4.23686E+11
Y 543 776459 421617237 294849 6.02889E+11
JUMLAH 11375 13829348 6723198779 5928115 8.8546E+12
r = 0.452538467
 PERUSAHAAN
A
PROMOSI
312
PENJUALAN
432876
XY
135057312
X^2
97344
Y^2
1.87382E+11
ARTI:
B 211 409876 86483836 44521 1.67998E+11
C
D
435
657
786543
765678
342146205
503050446
189225
431649
6.1865E+11
5.86263E+11 • Jika promosi = 0 maka harga
E
F
814
268
908765
543678
739734710
145705704
662596
71824
8.25854E+11
2.95586E+11 penjualan adalah sebesar
G
H
428
561
312635
564324
133807780
316585764
183184
314721
97740643225
3.18462E+11 292659.2623
I 143 132459 18941637 20449 17545386681

• Jika promosi bertambah 1

J 543 810982 440363226 294849 6.57692E+11
K 512 547657 280400384 262144 2.99928E+11

satuan maka harga penjualan

L 289 543766 157148374 83521 2.95681E+11
M 391 217387 84998317 152881 47257107769

bertambah 572.5596872
N 670 435432 291739440 448900 1.89601E+11
O 543 213510 115935930 294849 45586520100
P 341 223498 76212818 116281 49951356004
Q
R
276
623
653871
702534
180468396
437678682
76176
388129
4.27547E+11
4.93554E+11
satuan
S 276 812657 224293332 76176 6.60411E+11
T 734 543690 399068460 538756 2.95599E+11
U 543 871432 473187576 294849 7.59394E+11
V 243 381580 92723940 59049 1.45603E+11
W 587 587147 344655289 344569 3.44742E+11
X 432 650912 281193984 186624 4.23686E+11
Y 543 776459 421617237 294849 6.02889E+11
JUMLAH 11375 13829348 6723198779 5928115 8.8546E+12
Rata-rata 455 553173.92
b = 572.5596872
a = 553173.92 – (572.5596872)(455) = 292659.2623

MODEL :
ˆ
Y  292659.2623  572.5596872 X
Pengujian Koefisien Re gresi
Ho :   0 ( X tidak mempengaruhi Y )
H1 :   0
Tentukan 
Statistik Uji :
sx n  1 (b )
T  ~ tn  2
se
dim ana :
2
n
 n
n x2
i    xi 
s 2
 i 1  i 1 
n  n  1
x

n 1
s2
e 
n2
s 2
y b 2
s 2
x 
2
n
 n
n y2
i    yi 
s 2
 i 1  i 1 
n  n  1
y
s 2
x  25.71
s 2
y  0.52
s2
e  0.172

ˆ
Y  2.572  0.122 X

T   3.325 ~ t0.025; 4
T   3.325   2.776
H 0 ditolak

X mempengaruhi Y
LATIHAN 1
Data di bawah ini menyatakan kadar raksa dan jarak dari polarograf
dalam suatu percobaan kimia
a. Carilah koefisien regresi
Jarak (meter) Kadar Raksa(mg/ml) antara jarak dan kadar
raksa.
1.4 2.4 b. Ujilah apakah koefisien
korelasi tersebut = 0
3.8 2.5 atau tidak?
c. Carilah persamaan
7.5 1.3 regresi dan artikan.
d. Dari persamaan regresi
10.2 1.3 yang anda temukan pada
butir c, berapakah kadar
raksa yangakan anda
11.7 0.7 peroleh jika jarak 8 meter
dari polalograf?
15 1.2
LATIHAN 2
Kadar emas (%) dalam contoh air laut ditentukan dengan menggunakan spektometri serapan
atom dengan penambahan bakuan (mg/ml. Didapat data sebagai berikut

Bakuan (mg/ml) Kadar Emas (%)

0 25.7 a. Carilah koefisien regresi antara

bakuan dan kadar emas
10 31.4 b. Ujilah apakah koefisien korelasi
20 36.4 tersebut = 0 atau tidak?
c. Carilah persamaan regresi dan
30 41.3 artikan.
40 42.1 d. Dari persamaan regresi yang
anda temukan pada butir c,
25 33.8
berapakah kadar raksa yangakan
20 45.1 anda peroleh jika jarak 45 meter
dari polalograf?
35 38.7

50 41.8
LATIHAN 3
Penentuan sulfida dari bakteri pereduksi sulfat dilakukan denganncara ISE dan
dengan cara gravimetri. Data yang didapat adalah sebagai beikut :
1 2 3 4 5 6 7 8
ISE 108 12 152 3 106 128 160 126
GRAVIMETRI 105 16 113 0 108 141 182 118

a. Adakah kecocokan antara pengukuran dengan ISE dan

Gravimetri?
b. Jika ukuran dengan ISE didapat hasil 100, untuk pengamatan
yang sama berapakah hasilnya jika digunakan cara gravimetri?
PEMERIKSAAN ASUMSI
Semua asumsi dipenuhi
MULTIPLE REGRESSION
 Ingin diketahui hubungan umur dan banyak
uang saku terhadap nilai

Data:
Umur Uang Saku Nilai
37 500 77
40 350 89
20 400 79
12 250 90
35 550 70

Model Re gresi :
Y   0  1 X 1   2 X 2 
Y : nilai
X 1 :Umur
X 2 :Uang saku
 : error
Asumsi :  ~ NID (0,  2
)
 ˆ
Y  b0  b1 X 1  b2 X 2
77  b0  b1 (37)  b2 (500)
89  b0  b1 (40)  b2 (350)
79  b0  b1 (20)  b2 (400)
90  b0  b1 (12)  b2 (250)
70  b0  b1 (35)  b2 (550)
 77  1 17 500 
 89  1 
   25 350  b0 
 67   1 20 400  b 
     1 
 74  1 12 250  
 2
b 

 90 
 
1 35 
550 
  
Y  X B

X 'Y  ( X ' X ) B
1
B (X ' X ) ( X 'Y )
Nilai = 107.714 + 0.293 Umur – 0.086 Uang Saku
Ho : Model tidak cocok
1   2   3  0
H1 : tidak demikian
Pilih   0.10
Sig  0.009  0.1 Ho ditolak
Model Cocok
Ho : umur tidak mempengaruhi Nilai
H 1 : umur mempengaruhi Nilai
  0.10
Sig  0.042  0.1 Ho ditolak
Umur mempengaruhi Nilai

Ho : uang saku tidak mempengaruhi Nilai

H 1 : uang saku mempengaruhi Nilai
  0.10
Sig  0.005  0.1 Ho ditolak
Uangsaku mempengaruhi Nilai
PEMERIKSAAN ASUMSI
1) Asumsi error  Idem si mple regression

2) Model tepat  R besar

2

3) Tidak ada Autokorelasi

(error saling bebas )
Diperiksa dengan koefisien DurbinWatson
Jika DW  2  tidak ada Autokorelasi

4) Tidak ada Multikolinieritas

( antar var iabel bebas saling bebas )
Diperiksa denganVIF (Variance Inflation Factor )
JikaVIF  10  ada multikolinieritas
R^2 = 0.981  Model Cocok

Durbin-Watson = 1.605  tidak ada autokorelasi

VIF = 1.691 < 10  tidak ada multikolinieritas