ANALISIS KORELASI (#4)

Analisis Korelasi (#4) 1

Materi Kuliah
1. Pendahuluan
2. Koefisien Korelasi Parsial

Analisis Korelasi (#4) 2

 Pendahuluan
• Pada bagian yang lalu kita telah melihat bagaimana
pengaruh variabel X dan Y dapat ditentukan. Pengaruh
yang diperoleh dinyatakan dalam bentuk persamaan
matematis yang dalam statistik dikenal dengan nama garis
regresi. Jika X merupakan variabel bebas dan Y adalah
variabel tak bebas, regresi Y atas X dapat digunakan
untuk meramalkan nilai Y apabila nilai X diketahui.
• Jika nilai-nilai persamaan terdiri atas lebih dari sebuah
variabel, bukan saja garis regresi yang perlu dihitung,
tetapi juga kekuatan antara variabel-variabel itu
berhubungan. Ukuran yang dipakai untuk menentukan
derajat atau kekuatan hubungan antara variabel-
variabel dinamakan “koefisien korelasi”.

Analisis Korelasi (#4) 3

 Pendahuluan
• Korelasi pada dasarnya adalah hubungan. Dua
kejadian yang berhubungan apabila ingin diukur kuat
tidaknya hubungan tersebut, maka kejadian tersebut
harus dinyatakan dalam nilai variabel. Korelasi ini
dapat positif dan dapat pula negatif.
• Korelasi positif:

X Y

• Korelasi negatif:

X Y

Analisis Korelasi (#4) 4

 Pendahuluan
• Rumus korelasi:

 x i yi
Sxy
r i
 ,
nSxSy SxSy
dengan x y i i
Sxy: covariance dari X dan Y  i

n
Sx: standar deviasi dari X
2
 
_
2
Sx    X i  X  / n   x i / n
i   i
Analisis Korelasi (#4) 5
 Pendahuluan
Sy: standar deviasi dari Y

_ 2
 
S y    Yi  Y  / n  y
2
i /n
i   i

• Substitusi nilai-nilai : SXY, SX dan SY diperoleh:

x y i i x y i i
r i
 i

x y x y
2 2 2 2
n i /n i /n i i
i i i i

Analisis Korelasi (#4) 6

 Pendahuluan
• Formula ini dinyatakan dalam deviasi variabel-variabel
dari rata-ratanya. Jika ingin menggunakan nilai-nilai
sesungguhnya dari observasi tersebut digunakan
bentuk berikut:
n X iYi   X i  Yi
r i i i

n X i  ( X i ) n Yi  ( Yi )
2 2 2 2

i i i i

• Nilai koefisien korelasi (r) terletak antara – 1 dan 1.

Nilai r = 1 berarti hubungan antara X dan Y sempurna
dan positip. Nilai r = -1, berarti hubungan antara X dan
Y sempurna dan negatip.
Analisis Korelasi (#4) 7
 Pendahuluan
• Nilai r = 0, berarti hubungan X dan Y lemah sekali atau
tidak ada hubungan. Kalau tidak ada hubungan, naik
turunnya X tidak mempengaruhi Y. Sedangkan kalau
hubungan positif, umumnya kenaikan (penurunan) X
menyebabkan kenaikan (penurunan) Y, sebaliknya
untuk hubungan yang negatif pada umumnya kenaikan
(penurunan) X menyebabkan penurunan (kenaikan) Y.

Analisis Korelasi (#4) 8

 Pendahuluan
-1  r  +1

Lemah (-) Lemah (+)

-1 +1

Kuat (-) Kuat (+)

Analisis Korelasi (#4) 9

 Koefisien Korelasi Parsial
• Koefisien korelasi antara dua variabel X dan Y (fungsi
dengan satu variabel bebas) dimaksudkan untuk
mengukur kuat tidaknya hubungan antara dua variabel
tersebut. Makin besar nilai r (koefisien korelasi) makin
kuat hubungan, makin kecil r maka makin lemah
hubungan. Untuk hubungan tiga variabel X1, X2 dan Y
(fungsi dengan dua variabel bebas), dapat dihitung tiga
koefisien korelasi yaitu :
r10 = koefisien korelasi antara Y dan X1 (antara X1 dan Y)
r20 = koefisien korelasi antara Y dan X2 (antara X2 dan Y)
r12 = koefisien korelasi antara X1 dan X2 (antara X1 dan X2 )

Analisis Korelasi (#4) 10

 Koefisien Korelasi Parsial
• Koefisien korelasi tersebut, masing-masing dinamakan
Koefisien Korelasi Sederhana (Simple Coefficient of
Correlation) atau Koefisien Korelasi Order Nol
(Correlation Coefficient of Zero Order), dihitung
berdasarkan rumus berikut:

Cov ( X 1 , Y ) x 1,i yi
r10   i
S1SY  2  2
  x1,i   yi 
 i  i 
Cov( X 2 , Y )  x 2 , i yi
r20   i
S 2 SY  2  2
  x2,i   yi 
 i  i 
Analisis Korelasi (#4) 11
 Koefisien Korelasi Parsial
Cov( X 1 , X 2 ) x 1,i x2 , i
r12   i

S1S 2  2  2
  x1,i   x2,i 
 i  i 

• Kenyataannya r10 mengukur kuat tidaknya hubungan

antara Y dan X1 (antara X1 dan Y), apabila variabel
ketiga (X2) mungkin berhubungan (berkorelasi) dengan
X1 dan Y (kedua-duanya). Jadi jelaslah bahwa kalau X2
berada dalam model regresi, r10 tidak mengukur kuat
tidaknya hubungan antara X1 dan Y. Maka dari itu kita
memerlukan suatu koefisien korelasi yang bebas dari
pengaruh misalnya X2 baik terhadap X1 maupun
terhadap Y.
Analisis Korelasi (#4) 12
 Koefisien Korelasi Parsial
• Yang kita cari koefisien korelasi antara X1 dan Y yang
bebas dari pengaruh X2. Koefisien korelasi yang
demikian kita sebut “KOEFISIEN KORELASI PARSIAL”
(Partial Correlation Coefficient).
• Maka:
r10.2 = koefisien korelasi antara X1 dan Y, kalau X2 konstan
r20.1 = koefisien korelasi antara X2 dan Y, kalau X1 konstan
r12.0 = koefisien korelasi antara X1 dan X2, kalau Y konstan.
• Model regresinya:
Yi = β0 + β1X1 + β2X2 + ei

Analisis Korelasi (#4) 13

 Koefisien Korelasi Parsial
• Dan:

Yi  a1  b1 X 2,i  e1,i 
 ^ ^
^ ^ ^  e1,i  Yi  Y i  yi  b1 X 2,i
Y i  a1  b1 X 2,i  e1,i 

X 1,i  a2  b2 X 2,i  e2,i 

 ^ ^
^ ^ ^  e2,i  X 1,i  X 1,i  x1,i  b 2 x2,i
X 1,i  a 2  b 2 X 2,i  e2,i 
• Nilai e1 mewakili nilai Y setelah dibebaskan dari
pengaruh X2, artinya nilai Y yang sudah bebas dari
pengaruh X2. Juga e2 merupakan nilai X1 yang sudah
bebas dari pengaruh X2.
Analisis Korelasi (#4) 14
 Koefisien Korelasi Parsial
• Jadi e1 dan e2 sudah bebas dari pengaruh X2.
Kemudian kita terus lanjutkan tahap berikutnya yaitu
membuat regresi e1 terhadap e2 sebagai berikut:
^ ^

^
e1  a 3  b 3 e2  V
• Disini b 3 merupakan perkiraan besarnya pengaruh X1
terhadap Y atau koefisien regresi (koefisien arah) dari
Y terhadap X1 yaitu merupakan perkiraan B1.2.

Analisis Korelasi (#4) 15

 Koefisien Korelasi Parsial
 _
 _ 
  e2  e 2  e1  e1   e2e1   x1  b2 x2  y1  b1 x2 
^
  
b3   
 _
 
 2
e 2

 1 22
x  b x 2

  e2  e2 
_ _
sebab e  e
1 2  0, jadi e1  e 2  0
^
 x 2 y ^  x 2 x1
b1  2
; b1  2
 x2  x2
• Sehingga

Analisis Korelasi (#4) 16

 Koefisien Korelasi Parsial

 1 22 112 122
x y  b x y  b x x  b b x 2

  x1 y  b2  x2 y  b1  x1 x2  b1b2  x2 
^ 2
b3 
 x1
2
 2b2 x1 x2  b2 
 x y  b  x y  b  x x 2  b1b2  x2 
2
1 2 2 1 1


 x1  2B2  x1x2  B2  x2
2 2

  x1x 2   x2y   x 2 y    x1x 2 

 x1 y   2  x 2 y  2   x1x 2   2  
2   x2 2

  x2    x2    x2   x2 

  x1x 2    x1x 2 
2   x 2 
2 2
 x 1  2 2   x1x 2  
  x2    x2 

Analisis Korelasi (#4) 17

 Koefisien Korelasi Parsial
  x 1 x 2  x 2 y    x 1 x 2  x 2 y 
 x 1 y  2 2   2 
  x    x 
 2 2

2   1 2 
x x 2

 x1   2 
  x 2 
  x 1 x 2  x 2 y 
 x1 y   2 
 x2
2
   x2
 x
  x 1 x 2  
2
 x2
2
2
 x1   2 
  2  x
 x y  x   x x  x y  
2

 1 2 1 2 2

 x 1
2
 x   x x 
2
2
1 2
2 1

Analisis Korelasi (#4) 18

 Koefisien Korelasi Parsial
• Kalau kita menghitung koefisien korelasi antara e1 dan
e2 sama halnya kita menghitung r1.2, sebab X2 sekarang
konstan.
 _
 _

Cove1e2    e1  e1  e2  e2 
re1e2  r10.2  
2 2 2 2
 e1  e2  
_
 _

  1 1 
e  e e 
 2 2

e



 e e  1 2

e e
2 2
1 2
_ _
sebab e  e1 2  0, maka e1  e 2  0
Analisis Korelasi (#4) 19
 Koefisien Korelasi Parsial
Catatan:
Yi = β0 + β1X1 + β2X2 + ei
Yi  a1  b1 X 2,i  e1,i 
 ^ ^
^ ^ ^  e1,i  Yi  Y i  yi  b1 X 2,i
Y i  a1  b1 X 2,i  e1,i 

X 1,i  a2  b2 X 2,i  e2,i 

 ^ ^
^ ^ ^  e2,i  X 1,i  X 1,i  x1,i  b 2 x2,i
X 1,i  a 2  b 2 X 2,i  e2,i 

Analisis Korelasi (#4) 20

 Koefisien Korelasi Parsial
• Ingat untuk hubungan
^
(korelasi) dua variabel X dan Y.
2 2 2
 yi   yi   ei
^
2 2 2
 yi  yi  ei
2  2  2
 yi  yi  yi
^
2 2
 yi  ei
1 2  2
y
 i y
 i
• Seperti diketahui bahwa:
n X iYi   X i  Yi
r i i i

n  X i  ( X i ) n Yi  ( Yi )
2 2 2 2

i i i i
Analisis Korelasi (#4) 21
 Koefisien Korelasi Parsial
 x i yi
r
 x i 2  x i 2 
2 ^

r 
2  x i yi 

 x i yi 

2
B1  x i y i
2 
2

  x i  y i   i  i
x
2
 y
2
  iy
2

^ ^
2 2 2
B1  x i  y i
 2
 2
 yi  yi
• Sehingga
2 2
 ei  ei
1 r  2
2
 2  1  r 2

 yi  yi
e
 i  1
2
 r 2
 y i 2

Analisis Korelasi (#4) 22

 Koefisien Korelasi Parsial
• Dengan alasan yang sama:
2 2 2
 e1,i  (1  r2 ) y i
2 2 2
 e 2 ,i  (1  r12 ) x i
• Perhatikan hal-hal berikut:
^

yi  b x i  ei
2

  X i  X 
_

2
 x
   i
SX  s tan dar deviasi dari X, Sx 
n n
2

  Yi  Y 
_

2
   xi
SY  s tan dar deviasi dari Y, SY  
Analisis Korelasi (#4)
n n 23
 Koefisien Korelasi Parsial
^
 x y  x y / n  x y / n Sxy
b  i
 i i i i

i

 xi
2
 x / n
i
2
 x i / n  x i / n SxSx
2 2

Sxy Sy Sy
 r
Sx S y Sx Sx
• Dengan jalan yang sama:
^
yi  b1 x2,i  e1
2
 _

  2i 
 X  X
x 2i
2

S X  s tan dar deviasi dari X , S x  

n n
2
 _

  i 
 Y  Y
 xi
2

SY  s tan dar deviasi dari Y , S Y  

n n
Analisis Korelasi (#4) 24
 Koefisien Korelasi Parsial
^
 x 2 i y i  x 2 i y i / n  x y i / n Sx y
b1  2   2i

 x 2i / n
2

 x 2i
2
 x i / n  x 2i / n Sx Sx
2 2
2 2

Sx y S y Sy S0
 2
 r2  r2
Sx S y Sx
^2 2
Sx 2
S2
x 1,i  b 2 x 2 i  e 2
2

  X 2 i  X 
_

2
 x
   2i
SX  s tan dar deviasi dari X 2 , SX 
2 2
n n
2

  Yi  Y 
_

2
   xi
SY  s tan dar deviasi dari Y, SY  
Analisis Korelasi (#4) n n 25
 Koefisien Korelasi Parsial
^
 x 2 i x 1i  x 2 i x 1i / n  x x 1i  / n
Sx x
b2    
2i

 x 2i / n
2 1

 x 2i
2 2
 x i / n  x 2i / n Sx Sx
2 2
2 2

Sx x Sx Sx S1
  r12
2 1
 r12 1 1

Sx Sx Sx
2
Sx
1
S2 2 2

• Dimana:

Sx   x / n; S   y / n; S   x / n; S   x / n
i
2
y i
2
1 1i
2
1 1i
2

r1 
x y ; r 1i i

x y ; r 2i i

x x 1i 2i

 x  y 
1i
2
i
2 2
 x  y 
2i
2
i
2 12
 x  x 
1i
2
2i
2

Analisis Korelasi (#4) 26

 Koefisien Korelasi Parsial
 ^
 ^

• Jadi:
Cove 2 e1    e1i  e1  e2i  e 2   e e  1 2
re1e2  r10.2   
 e 2 e 2
 ^ 2
  ^

2 2
e1i e2i
2
1 2
e
 1i  e 1 e
  2i  e 2 
   
 ^
 ^

 i
 y  b 1 x 2i 

x1i  b 2 x 2i 


 i
y
2
1  r2 2
 1ix
2
1  r12 2

 ^ ^ ^ ^
2
  1i i
 x y  b 2  2i i
x y  b 1  2i 1i
x x  b 1 b 2  2i 
x

 yi  x1i 1  r2  1  r12 
2 2 2 2

^ ^ ^ ^
 x1i yi  b 2  x2i yi  b1  x2i x1i  b1 b 2  x2i
2


 y  x 1  r  1  r 
2 2 2 2
i 1i 2 12
^ ^ ^ ^
 x1i yi  b 2  x2i yi  b1  x2i x1i  b1 b 2  x2i
2


y i
2
 x 1i 1  r  1  r 
2
2
2
12
2

Analisis Korelasi (#4) 27

 Koefisien Korelasi Parsial
• Catatan:
2
nS0S1  n  y i / n  x / n 
i
2 2
 yi  x i
2

 x 1i y i  r12 S1 / S2  x 2 i y i  r2 S0 / S2  x 1i x 2 i  r2 S0 / S2 r12 S1 / S2  x 2 i

2


nS0S1 1  r2  1  r12 
2 2

 x 1i y i 2 2 2 2
 x 1i y i  2 2
x x y
 1i  i  r1
n x
 1i / n  i /n
y
 x 1i  y i
 nr1S1S0
 x 2i yi 2 2 2 2
x y
 2i i  2 2
x x y
 2i  i  r2
n x
 2i / n  i /n
y
 x 2i  yi
 nr2S2S0

Analisis Korelasi (#4) 28

 Koefisien Korelasi Parsial
 x 1i x 2 i 2 2 2 2
 x 1i x 2 i  2 2
x  x 1i  x 2i
 r12
n  x 1i
/ n  x 2i
/n
 x 1i  x 2 i
 nr12S1S2
2
2  x 2i 2
 x 2i  n  nS2
n
S  S  S  S  2
nr1S1S0  r12  1 nr2S2S0  r2  0 nr12S1S2  r2  0 r12  1 nS2
 S2   S2   S2   S2 

nS0S1 1  r2  1  r12 
2 2

nr1S0S1  nr2 r12S0S1  nr2 r12S0S1  nr2 r12S0S1


nS0S1 1  r2  1  r 
2 2
12

nS0S1 r1  r2 r12 


nS0S1 1  r2  1  r 
2 2
12

Analisis Korelasi (#4) 29

 Koefisien Korelasi Parsial
r10  r20 r12
r10.2 
2 2
1  r20 1  r12
• Dengan jalan yang sama:
r20  r10 r12
r20.1 
2 2
1  r10 1  r12
r12  r10 r20
r12.0 
2 2
1  r10 1  r20
• Dalam multiple regresi dengan tiga variabel ada 3
koefisien korelasi parsial.

Analisis Korelasi (#4) 30

Contoh
• Seorang Manajer Pemasaran deterjen merek “ABSTRACK”
ingin mengetahui apakah Promosi dan Harga berpengaruh
terhadap keputusan konsumen membeli produk tersebut?
• Hipotesis:
• Ho : β1 = β2 = 0, Promosi dan Harga tidak berpengaruh
signifikan terhadap keputusan konsumen membeli deterjen
merek “ABSTRACK” .
• Ha : β1≠ β2 ≠ 0, Promosi dan Harga berpengaruh signifikan
terhadap keputusan konsumen membeli deterjen merek
“ABSTRACK” .

Analisis Korelasi (#4) 31

Contoh:
Data yang didapat adalah sbb.:

No. Promosi Harga Keputusan

Responden (X1) (X2) Konsumen
(Y)
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19

Analisis Korelasi (#4) 32

Contoh
Tentukan
1. Persamaan regresi bergandanya.
2. Berikan interpretasi untuk nilai-nilai β0, β1, dan β2.
3. Hitung dan berikan arti dari koefisien determinasinya.
4. Uji signifikansi dari β0, β1, dan β2.
5. Hitunglah koefisien ketiga koefisien korelasi parsialnya.

Analisis Korelasi (#4) 33