Oleh

MUHAMAD SAHIDDIN
 Definisi
Hubungan antara 2 variabel X dan Y.
X hubungan
Y

X pengaruh Y
X pengaruh
Y
• Tujuan melihat besar hubungan
• Skala variabel independen dan variabel
dependen berskala interval atau rasio,
• Data terdistribusi Normal bivariat, dan
sifat simetris.
 Koefisien korelasi antara –1 s.d +1.
Tanda – dan + menunjukkan arah,
artinya
• (-) : Nilai salah satu variabel meningkat
maka variabel lain akan menurun.
• (+) : Nilai salah satu variabel meningkat
maka variabel lain juga meningkat atau
nilai salah satu variabel menurun maka
variabel lain akan menurun.
• Nilai koefisien mendekati 1, (–) / (+),
menunjukkan koefisien yang makin besar,
nilai koefisien mendekati 0, menunjukkan
koefisien yang mengecil.
Dibuat grafik akan terlihat arah tanda
koefisien korelasi
 n( XY) - ( X) (  Y)
r = ----------------------------------------------
 [nX2 - (X)2 ] [ nY2 - (Y) 2]
• Uji Kemaknaan untuk koefisien Korelasi
• Uji Hipotesis :
• H0 :  = 0
• H1 :   0
• H0 ditolak bila r > r (n-2) lihat tabel r

CONTOH :
Apakah ada korelasi antara badan yang gemuk (diukur
adalah Berat Badan ) dengan kadar kholesterol darah
( = 0,05). Data secara random didapatkan sebagai
berikut:
Ho: tidak ada korelasi antara berat badan dengan
kadar kolesterol darah ( = 0)

10(122300) – (600 )(1980)

r = --------------------------------------------------------------- = 0,737
[(10)(37550) – (600)2] [ (10)(406600) – (1980)2]

Titik kritis r0,025 (df=8) = 0,632

Kerena r hitung = 0,737 > 0,632 , maka Ho tolak
Kesimpulan :
Ada korelasi berat badan dengan kolesterol dalam
darah .
 Hasil analisis dengan komputer

Correlations

kadar
berat badan kholesterol
berat badan Pearson Correlation 1 ,737*
Sig. (2-tailed) . ,015
N 10 10
kadar kholesterol Pearson Correlation ,737* 1
Sig. (2-tailed) ,015 .
N 10 10
*. Correlation is significant at the 0.05 level (2-tailed).
Syarat :
1. Tujan melihat besar pengaruh
2. Variabel bebas dan Variabel tergantung Beskala
minimal interval
3. Error Terdistribusi Normal
4. Varian untuk masing-masing error term
(kesalahan) konstan
5. Tidak terjadi otokorelasi
 Regresi linier

Regresi linier terbagi dua

• Regresi linier sederhana
• regresi linier berganda
 Model regresi linier sederhana

y= b0 + b1x
b0 : intercept
b1: Koefisein regresi
Model regresi linier berganda

y= b0 + b1x1 +b2x2 .... bnxn

b0 : intercept
bi: Koefisein regresi
 ESTIMASI PARAMETER

METODE : (Pada umumnya)

LEAST SQUARES
(KUADRAT TERKECIL)
atau
MAXIMUM LIKELIHOOD
(KEMIRIPAN TERBESAR)
Perhitungan :
 Y  X2 - ( X) ( XY)
b0 = ----------------------------
n Xi2 - ( Xi)2

n X Y - ( X) ( Y)
b1 = --------------------------
n Xi2 - ( Xi)2
CONTOH : Pengaruh frek olah raga terhadap
tekanan darah

Sampel (n) Sampel (n) Frekuensi olahraga Tekanan darah

Frekuensi olah Tekanan
(kali)
raga (kali) darah(mm/Hg)
1 14
3 199 5 173
2 15
3 193 5 173
3 16
3 193 6 167
4 17
4 181 5 167
5 18
4 181 5 167
6 19
4 181 5 167
7 20
4 178 6 167
8 21
4 178 6 167
9 22
4 178 5 167
10 23
4 178 6 160
11 24
5 173 6 160
12 25
5 173 7 156
13 5 173
 Tahap Penyelesaian

Sampel Tekanan darah (Y) Frek olahraga (X) XY X2

1 199 3 597 9
2 193 3 579 9
3 193 3 579 9
4 181 4 724 16
5 181 4 724 16
6 181 4 724 16
7 178 4 712 16
8 178 4 712 16
9 178 4 712 16
10 178 4 712 16
11 173 5 865 25
12 173 5 865 25
13 173 5 865 25
14 173 5 865 25
15 173 5 865 25
16 167 6 1002 36
17 167 5 835 25
18 167 5 835 25
19 167 5 835 25
20 167 6 1002 36
21 167 6 1002 36
22 167 5 835 25
23 160 6 960 36
24 160 6 960 36
25 156 7 1092 49
Σ Y = 4350 ΣX= 119 ΣXY = 20458 Σ X2 = 593
 25(20458) – (199)(4350)
b1 = -------------------------------- = -9,33
25(593) – (119)2/

(4350)(593) – (199)(20458)
b0 = -------------------------------- = 218,44
25(593) – (119)2/

Jadi Model Regresi

Y= 218,44 – 9,33X
 HASIL PERHITUNGAN KOMPUTER

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 218,446 3,449 63,338 ,000
frekuensi olah
-9,337 ,708 -,940 -13,186 ,000
raga per minggu
a. Dependent Variable: tekanan darah