Tim Dosen :
PENTINGNYA ANALISIS HUBUNGAN
Hubungan antara dua kejadian dapat dinyatakan dengan hubungan dua variabel.
Di dalam bab ini kita hanya membahas hubungan linear antara dua variabel X dan Y.
Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang
sudah diketahui dapat dipergunakan untuk memperkirakan/menaksir Y. Peramalan
pada dasarnya merupakan perkiraan/taksiran mengenai terjadinya suatu kejadian.
Variabel Y yang nilainya akan diramalkan disebut varibel tidak
bebas, sedangkan varibel X yang nilainya dipergunakan untuk
meramalkan nilai Y disebut variabel bebas atau variabel
peramal dan seringkali disebut variabel yang menerangkan.
Jadi, jelas analisis korelasi ini memungkinkan kita untuk
mengetahui sesuatu di luar hasil penyelidikan.
atau
0 0
X X
Kuat dan tidaknya hubungan antara X dan Y apabila dapat dinyatakan dengan
fungsi linear(paling tidak mendekati), diukur dengan suatu nilai yang disebut
koefisien korelasi. Nilai koefisien korelasi ini paling sedikit –1 dan paling
besar +1.
-1 +1
X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
Tabel
X Y x2 y2 xy
(x) (y)
1 2 -5,25 -5,75 27,5625 33,0625 30,1875
2 4 -4,25 -3,75 18,0625 14,0625 15,9375
4 5 -2,25 -2,75 5,0625 7,5625 6,1875
5 7 -1,25 -0,75 1,5625 0,5625 0,9375
7 8 0,75 0,25 0,5625 0,0625 0,1875
9 10 2,75 2,25 7,5625 5,0625 6,1875
10 12 3,75 4,25 14,0625 18,0625 15,9375
12 14 5,75 6,25 33,0625 39,0625 35,9375
Tabel
X Y X2 Y2 XY
1 2 1 4 2
2 4 4 16 8
4 5 16 25 20
5 7 25 49 35
7 8 49 64 56
9 10 81 100 90
10 12 100 144 120
12 14 144 196 168
Contoh 2
X 2 4 5 6 8 10 11 13 14 15
Y 15 14 12 10 9 8 6 4 3 2
Tabel 7.5
X Y X2 Y2 XY
2 15 4 225 30
4 14 16 196 56
5 12 25 144 60
6 10 36 100 60
8 9 64 81 72
10 8 100 64 80
11 6 121 36 66
13 4 169 16 52
14 3 196 9 42
15 2 225 4 30
Tabel 7.6
X Y X2 Y2 XY
D 42 8 3
E 39 7 2
F 25 5
G 41 8 0
15 20 25 30 35 40 45 50 55
H 52 10 Hasil Produksi
Korelasi Negatif X & Y
Korelasi Positif X & Y
Korelasi Negatif
Sempurna X & Y
Korelasi Positif
Sempurna X & Y
Interval Nilai
Korelasi
0,80-1,00
0,00-0,199 0,40 – 0,599
Lemah Kuat
Persamaan Regresi
Linier
Persamaan
Regresi yang digunakan
merupakan suatu Istilah regresi untuk
alat ukur yang juga mendapatkan
itu sendiri
digunakan untuk garis regresi
mengukur ada atau berarti
pada data
tidaknya korelasi ramalan atau diagram pencar
antarvariabelnya. taksiran. disebut
persamaan
regresi
Untuk menempatkan garis regresi pada data yang diperoleh maka
digunakan metode kuadrat terkecil, sehingga bentuk
persamaan regresi adalah sebagai berikut:
Y’ = a + b X
B 49 9 12 2 24 4 144
C 18 3 -19 -4 76 16 361
D 42 8 5 1 5 1 25
E 39 7 2 0 0 0 4
F 25 5 -12 -2 24 4 144
G 41 8 4 1 4 1 16
H 52 10 15 3 45 9 225
296 56 0 0 185 36 968
Tabel 7.26
X Y X2 Y2 XY
(x) x2 (y) xy
(1) (2) (3) (4) (5) (6) (7) (8) (9)
+b
-b
X X
Gambar A: =a+bX Gambar B: =a-bX
46
RUMUS MENCARI KOEFISIEN a DAN b
47
CONTOH HUBUNGAN ANTARA PRODUKSI DENGAN
HARGA MINYAK KELAPA SAWIT
=a+bX
Yi X = 2,8631 + 0,0086 X e=Y-
50
DEFINISI STANDAR ERROR
51
RUMUS STANDAR ERROR
Di mana:
52
MENGGUNAKAN MS EXCEL UNTUK MENCARI
STANDAR ERROR SY.X
53
MENGGUNAKAN MS EXCEL UNTUK MENCARI
STANDAR ERROR SY.X
54
ASUMSI METODE KUADRAT TERKECIL
Beberapa asumsi penting metode kuadrat terkecil adalah sebagai berikut:
1. Nilai rata-rata dari error term atau expected value untuk setiap nilai X sama dengan nol.
Asumsi ini dinyatakan E(ei/Xi) = 0.
2. Nilai error dari Ei dan Ej atau biasa disebut dengan kovarian saling tidak berhubungan atau
berkorelasi. Asumsi ini biasa dilambangkan sebagai berikut, Cov (Ei, Ej) = 0, di mana i ¹ j.
.Berdasarkan pada asumsi nomor 1, pada setiap nilai Xi akan terdapat Ei, dan untuk Xj akan
ada Ej, yang dimaksud dengan nilai kovarian = 0 adalah nilai Ei dari Xi tidak ada hubungan
dengan nilai Ej dari Xj.
Y
Garis regresi
Satu deviasi
standar
X1 X2 X3 X 55
ASUMSI METODE KUADRAT TERKECIL
3. Varian dari error bersifat konstan. Ingat bahwa varian dilambangkan dengan s2, sehingga asumsi
ini dilambangkan dengan Var (Ei/Ej) = E(ei – ej)2 = s2. Anda perhatikan pada gambar di atas
bahwa nilai Ei (yang dilambangkan dengan tanda titik) untuk setiap X yaitu X 1, X2 dan X3
tersebar secara konstan sebesar variannya yaitu s2. Pada gambar tersebut nilai E tersebar 1
standar deviasi di bawah garis regresi dan 1 standar deviasi di atas garis regresi. Seluruh
sebaran nilai Ei untuk Xi dan Ej untuk Xj, di mana i ¹ j terlihat sama dengan ditunjukkan kurva
yang berbentuk simetris dengan ukuran yang sama, hal inilah yang dikenal dengan varians dari
error bersifat konstan.
4. Variabel bebas X tidak berkorelasi dengan error term E, ini biasa dilambangkan dengan Cov (Ei, Xi)
= 0. Pada garis regresi Y=a + bxi + ei maka nilai Xi dan Ei tidak saling mempengaruhi, sebab
apabila saling mempengaruhi maka pengaruh masing-masing yaitu X dan E tidak saling dapat
dipisahkan. Ingat bahwa yang mempengaruhi Y selain X adalah pasti E yaitu faktor diluar X.
Oleh sebab itu varians dari E dan X saling terpisah atau tidak berkorelasi.
56
RUMUS
57
TERIMA KASIH