Agus Miftakhurrohmat

CORRELATION
KORELASI
 Analisis Korelasi
 Untuk mengetahui keeratan hubungan antara 2 variabel atau
lebih tanpa memperhatikan ada atau tidak adanya hubungan
kausal di antara variabel-variabel itu
 Ukuran yg dipakai utk menentukan derajat atau kekuatan
korelasi antara variabel-variabel tsb dinamakan koefisien
korelasi
  = Koefisien korelasi populasi
 r = Koefisien korelasi sample (contoh acak yg ditarik dari
populasi)
 Analisis korelasi sering diterapkan dalam analisis regresi,
namun secara konseptual keduanya berbeda
 Model regresi menetapkan hubungan kausal antara variabel tak
bebas (Y) dan satu atau lebih variabel bebas (X).
 KONSEP DASAR ANALISIS KORELASI

 Korelasi linear: semua titik (xi, yi) pd diagram

tebar terlihat mengelompok atau bergerombol
disekitar garis lurus
 Korelasi nonlinear: titik-titik (xi, yi) terletak
disekitar kurva nonlinear
 Didalam analisis korelasi sederhana,
kemungkinan dijumpai dua variabel berkorelasi
positif, negatif atau tidak berkorelasi
 Korelasi positif, jika mereka cenderung berubah secara bersama
dlm arah yg sama (meningkat atau menurun secara bersama) 
koefisien korelasi mendekati +1. Contoh korelasi antara
penggunaan input (X) dan variabel output produksi (Y)

Y Y

Korelasi Linear X Korelasi Nonlinear X

Positif Positif
 Korelasi negatif, jika mereka cenderung berubah dlm arah yg
berlawanan (X meningkat  Y menurun)  koefisien korelasi
mendekati -1. Contoh variabel hama dg variabel produksi

Y Y

Korelasi Linear X Korelasi Nonlinear X

Negatif Negatif
 Dua variabel dikatakan tidak berkorelasi, mereka
cenderung berubah dg tidak ada hubungan atau kaitan
satu dg lainnya  koefisien korelasi mendekati 0.
Contoh variabel tinggi badan dg variabel produksi

Dua var tidak X

berkorelasi
 Jika kita memiliki contoh acak berukuran n dg
pasangan data (x1, y1), (x2, y2), …, (xn, yn),
maka koefisien korelasi antara dua variabel X
dan Y adalah

n xi yi    xi   yi 
rXY 
n x 2
i 
   xi  n  y    y i 
2 2
i
2

Contoh
Hari Lama penggunaan Mesin Kuantitas hasil (ton)
(jam)

1 2 10
2 4 20
3 6 50
4 6 55
5 8 60
6 8 65
7 9 75
8 8 70
9 9 80
10 10 85
 n xi yi x i2 y i2 xiyi
1 2 10 4 100 20
2 4 20 16 400 80
3 6 50 36 2500 300
4 6 55 36 30 330
5 8 60 64 25 480
6 8 65 64 3600 520
7 9 75 81 4025 675
8 8 70 64 5625 560
9 9 80 81 4900 729
10 10 85 100 6400 850

Jum 70 571 546 38161 4544

Contoh 2: Data tentang tentang hubungan
antara dosis blotong dengan rendemen gula

Dosis
Rendemen
No Blotong
(Y)
(X)
1 1,5 1,767
2 3,0 2,500
3 4,5 3,167
4 6,0 3,233
 No X Y X2 Y2 XY
1 1,5 1,767 2,25 3,12 2,65
2 3,0 2,500 9,00 6,25 7,50
3 4,5 3,167 20,25 10,03 14,25
4 6,0 3,233 36,00 10,45 19,40
  15,0 10,667 67,50 29,85 43,80
 X  15,0 4(43,80)  1510,667 
i
rXY 
 Y  10,667
i 4(67,5)  15 4(29,80)  10,667 
2 2

 X  67,50
2
i rXY  0,95
 Y  29,85
2 korelasi yg terjadi adalah positif yg sangat
i
dengan nilai r = 0,95 (mendekati 1)  nilai
 X Y  43,80
i i
variabel X yg kecil berpasangan dg nilai
variabel Y yg kecil, dan nilai variabel X yg
besar berpasangan dg nilai variabel Y yg
besar.
 Koefisien Determinasi (r2)

0  r 1
2

• Variasi variabel yg satu disebabkan oleh

perubahan variabel yg lainnya  Jika koefisien
korelasi antar dua variabel X dan Y sama dg r,
maka 100% r2 variasi dalam variabel Y disebabkan
oleh variasi dalam variabel X
• Untuk soal diatas, dengan r = 0,95, maka
100 x 0,952 % = 91,10%
artinya 91,10% variasi mengenai rendemen
disebabkan oleh karena adanya perbedaan dosis
blotong.
Beberapa sifat penting dari konsep analisis
korelasi