KORELASI

By: Mahmud Junianto

Variabel Penelitian
• Variabel bebas (VB): sering disebut stimulus, prediktor,
antecedent. VB adalah variabel yang mempengaruhi atau
yang menjadi sebab berubahnya variabel terikat
(dinotasikan X).
• Variabel Terikat (VT): adalah variabel yang dipengaruhi
atau variabel yang menjadi akibat karena adanya variabel
bebas. (dinotasikan dengan Y).
Pengertian Korelasi
• Korelasi adalah koefisien yang menunjukan apakah suatu
variabel X dan variabel Y memiliki hubungan sebab akibat
• Korelasi Positif, apabila variabel X meningkat maka
variabel Y meningkat
• Korelasi Negatif, apabila variabel X meningkat maka
variabel Y menurun, begitu juga sebaliknya.
• Korelasi Nihil, apabila variabel X dan variabel Y tidak
memiliki hubungan
Jenis-jenis data
• Data ordinal: data penomoran/kategorisasi yang disusun
menurut jenjang ( urutan. Ex: SD=1, SMP=2, SMA=3, dst
• Data nominal: kategorisasi data yang diberikan tidak
menggambarkan kedudukan objek tsb. Tetapi hanya kode. Ex
laki-laki= 1, perempuan=2 atau basket=1, footsal= 2
• Data rasio: data yang jaraknya sama dan mempunyai nilai 0
(nol). Ex: nilai raport udin= 70, fulan= 80, maman= 65
• Data interval: data dimana objek/kategori dapat diurutkan
berdasarkan suatu atribut. Bukan urutan terendah ke tertinggi.
Ex: anak usia 6-12 tahun memiliki tinggi rata-rata 130 cm, dst
Korelasi Pearson
• Ada beberapa syarat yang harus terpenuhi apabila kita
akan menggunakan jenis korelasi pearson
1. Data yang akan dicari korelasinya adalah harus
berskala interval atau rasio
2. Kedua data memiliki distribusi yang normal
3. Hubungan antara variabel X dan Y hendaknya linier
Koefisien Determinasi
• Koefisien determinasi menjelaskan besarnya pengaruh
nilai suatu variabel (X) terhadap naik atau turunnya
variabel lain (Y)

• Rumus dari koefisien determinasi adalah

KD: R2=r2 x 100%

Koefisien Spearman
• Apabila skala yang kita miliki mempunyai skala ordinal
maka korelasi pearson tidak dapat digunakan
• Jika data bersifat ordinal maka korelasi yang digunakan
adalah korelasi spearman
• Jika pearson didasarkan pada hubungan linier, tapi kalau
spearman tidak memperhatikan linieritas
REGRESI SEDERHANA
• Suatu pola hubungan yang merupakan fungsi dimana
hanya ada satu variabel yang akan mempengaruhi.
• Dalam regresi ada dua istilah variabel yang digunakan,
yaitu variabel yang mempengaruhi dan variabel yang
dipengaruhi
• Pola pengaruh tersebut dapat dibedakan antara deret
waktu (time series) dan model sebab akibat (cross
section)
 REGRESI

CROSS
TIME SERIES
SECTIONS

Linier Non-Linier Linier Non-Linier

TIME SERIES
• Sebuah teknik atau metode prediksi dengan menggunakan analisis hubungan
antara variabel yang diramalkan dengan variabel prediktornya adalah waktu.
• Jadi pada model time series ini variabel bebasnya hanyalah “waktu”
• Pola hubungan yang ditunjukan dengan analisis regresi sederhana
mengasumsikan bahwa hubungan diantara dua variabel dapat dinyatakan
dalam suatu garis lurus
• Notasi regresi sederhana yang merupakan pola garis lurus itu dinyatakan
sebagai:
Y=a+b(X)
Y: variabel yang diramalkan
X: variabel waktu
a dan b: parameter atau koefisien regresi
Rumus mencari nilai “a” Rumus mencari nilai
“b”
(∑Y) (∑X²)-(∑X) (∑XY) n∑XY – (∑X) (∑Y)
n∑X² - (∑X)² n∑X² - (∑X)²
Tahun Penjualan X Y XY X²
(Juta)
2005 12
2006 15
2007 18
2008 20
2009 22
2010 25
Ditanya: Estimasi omset penjualan pada tahun 2011, 2012,
2013?
30 penjualan

20

10

05 06 07 08 09 10
tahun
(∑Y) (∑X²)-(∑X) (∑XY)
n∑X² - (∑X)²
Regresi Non Linier
• Model Deret Waktu= Y
• Model Kuadaratik= Y= a+bX+cX²
• Kubik: Y= a+bX+cX²+dX3
Regresi Berganda
Bentuk umum dari regresi berganda adalah:
Y=a+b1X1+b2X2+b3X3 ...........+bnXn
Regresi Berganda
Tahun Penjualan Salesman Distributor
2001 23 10 7
2002 7 2 3
2003 15 4 2
2004 17 6 4
2005 23 8 6
2006 22 7 5
2007 10 4 3
2008 14 6 3
2009 20 7 4
2010 19 6 6
Regresi Berganda
Y X1 X2 X1Y X2Y X1X2 X1” X2”
23 10 7 230 161 70 100 49
7 2 3 14 21 6 4 9
15 4 2 60 30 8 16 4
17 6 4 102 68 24 36 16
23 8 6 184 138 48 64 36
22 7 5 154 110 35 49 25
10 4 3 40 30 12 16 9
14 6 3 84 42 18 6 9
20 7 4 140 80 28 49 16
19 6 6 114 57 18 36 9
Rumus Koefisien Persamaan Regresi
∑Y=na+b1∑X1+b2∑X2
∑X1Y=a ∑X1+b1∑X1”+b2∑X1X2
∑X2Y= a∑X2+b1∑X1X2+b2∑X2”
Regresi Berganda
Y X1 X2 y y” x1 x2 yx1 yx2
23 10 7 6 36 4 3 24 18
7 2 3 -10 100 -4 -1 40 10
15 4 2 -2 4 -2 -2 4 4
17 6 4 0 0 0 0 0 0
23 8 6 6 36 2 2 12 12
22 7 5 5 25 1 1 5 5
10 4 3 -7 49 -2 -1 14 7
14 6 3 -3 9 0 -1 0 3
20 7 4 3 9 1 0 3 0
19 6 6 2 4 0 -1 0 -2
s”= ∑y²-(b1(∑yx1)+b2(∑yx2))
n-m

s”=272-(2,49)(102)-0,46(57))
10-3

s”=44,24= 6,32 s=
7