Korelasi Linier

Diah Indriani
Bagian Biostatistika dan Kependudukan
Fakultas Kesehatan Masyarakat
Universitas Airlangga
Definisi
Hubungan antara 2 variabel X dan Y.

X hubungan
Y

X pengaruh Y
X pengaruh Y
Pola Hubungan

Korelasi positif Korelasi negatif

Tidak berkorelasi Korelasi tidak linier

Ukuran Korelasi

Korelasi tinggi Korelasi tinggi

Korelasi rendah

-1 0 1
 Koefisien Korelasi Pearson
 Tanda (-) dan (+) hanya menunjukkan arah
hubungan
(+) Jika nilai variabel X naik maka nilai pada variabel Y juga
akan naik, Atau
Jika nilai variabel X turun maka nilai pada variabel Y juga
akan turun

(-) Jika nilai variabel X naik maka nilai pada variabel Y akan
turun, Atau
Jika nilai variabel X turun maka nilai pada variabel Y akan
naik
Koefisien Korelasi
n
 n  n 
n xi y i    xi   y i 
r i 1  i 1  i 1 
 n 2  n 2  n 2  n 2 
 n xi    xi    n y i    y i  
 i 1  i 1    i 1  i 1  

JKR
R 
2
r  R2
JKT
Pengujian Hipotesis
Hipotesis :
H0 :  = 0
H1 :  ≠ 0

Statistik Uji :
r n2
t
1 r2

Pengambilan keputusan :
Tolak H0 jika thitung > ttabel (db=n-2 , )
Pengujian Hipotesis
Hipotesis :
H0 :  = 0
H1 :  ≠ 0

Statistik Uji :
n  3  1  r 1   0  
z ln  
2   1  r  1   
0 

Pengambilan keputusan :
Tolak H0 jika zhitung > ztabel ()
 Selang Kepercayaan
Selang Kepercayaan untuk  dapat dihitung dengan
menghitung nilai transformasi :
1 r 
Z  0.5 ln
'

1 r 

Yang menyebar normal dengan :

1   1
Rata-rata = 0.5 ln 1    SD = (n  3)
 Selang Kepercayaan
Maka selang kepercayaan (1-) untuk Z’ adalah :

 1  r  Z (1 / 2 )
0.5 ln 
 1 r  n3

Untuk menghitung selang kepercayaan , hitung :

 1  L  1U  
LZ  0.5 ln 
dan U Z  0.5 ln 
1 L  1U 
     
 Selang Kepercayaan
Untuk menghitung selang kepercayaan , gunakan
tabel yang dikembangkan oleh Fisher untuk
mengkonversi nilai :

LZ dan UZ

Menjadi nilai 
Korelasi Parsial
Definisi
Ukuran hubungan linier antara peubah-peubah
secara parsial (dengan mengganggap peubah
lain tetap) misalnya :
Korelasi antara Y dan X2, dengan X1 dibuat
tetap dilambangkan dengan ry2.1
Koefisien Korelasi Parsial

ry 2  ry1r12
ry 2.1 
 2

( 1  ry1 1  r12
2

dimana :
ry2 = korelasi antara y dan x2
ry1 = korelasi antara y dan x1
r12 = korelasi antara x1 dan x2