KORELASI DAN

REGRESI
SEDERHANA
KORELASI
Korelasi yang terjadi antara dua variable dapat berupa korelasi :
 Positif ; korelasi dua variable apabila variable yang satu (X) meningkat atau
menurun maka variable Y menurun atau meningkat.
 Negatif ; korelasi dari dua variable apabila variable yang satu (X) meningkat Y
menurun maka variable X menurun atau Y meningkat.
 Tidak ada ; apabila kedua variable (X dan Y) menunjukkan tidak dad
hubungan.

Hubungan Positif
 X = Pupuk Y = Produksi
 X = Biaya iklan Y = Hasil Penjualan
 X = Berat Badan Y = Tekanan Darah tinggi
Hubungan Negatif
 X = Jumlah Akseptor Y = Jumlah Kelahiran
 X = Harga Suatu Barang Y = Permintaan Barang
 X = Pendapatan Masyarakat Y = Kejahatan ekonomi
KORELASI
Kekuatan hubungan Korelasi

 Kekuatan hubungan diukur dengan suatu nilai disebut

Koefisien Korelasi. Nilai koefisien korelasi ini paling sedikit -
1 dan paling besar 1, jadi jika “ r = Koefisien korelasi, maka
nilai r dapat dinyatakan sbb :

-1≤r≤1
Artinya :
 r = 1, hubungan antara X dan Y sempurna dan positif
( mendekati 1, yaitu hubungan sangat kuat dan positif.
 r = -1, hubungan antara X dan Y sempurna dan Negatif
( mendekati 1, yaitu hubungan sangat kuat dan
negative)
 r = 0, hubungan X dan Y lemah sekali atau tidak ada
hubungan.
KORELASI
Beberapa jenis korelasi berdasarkan diagram pencar

Korelasi Positif

Korelasi Negatif

Korelasi Sempurna Tdk ada Korelasi

 KORELASI
Koefisien Korelasi Pearson

1. Metode Least square

n XY   X Y
r 
(n X 2
  X  ) n Y   Y  
2 2 2
 Correlations

X Y
X Pearson Correlation 1 ,918*
Sig. (2-tailed) , ,028
N 5 5
Y Pearson Correlation ,918* 1
Sig. (2-tailed) ,028 ,
N 5 5
*. Correlation is significant at the 0.05 level (2-tailed).
 KORELASI

Jika X adalah persentase kenaikan biaya iklan dan Y adalah

persentase kenaikan hasil penjualan, maka berdasarkan
table di bawah ini, hitunglah koefisien korelasi :

X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
PENYELESAIAN
X Y X² Y² XY
1 2 1 4 2,00
2 4 4 16 8,00
4 5 16 25 20,00
5 7 25 49 35,00
7 8 49 64 56,00
9 10 81 100 90,00
10 12 100 144 120,00
12 14 144 196 168,00
50 62 420 598 499
 KORELASI

(8 . 499)  (50)(62)
r 
(8 . 420)  502 ) 8 . 598)  622 

892
r   0,99
808.400
 KORELASI

2. Product Moment

r 
 xy
x y
2 2

Keterangan :
r = Koefisien Korelasi
x = Deviasi rata-rata X ↔ x  X  X
y = Deviasi rata-rata Y ↔ y  Y  Y
 KORELASI
2. Product Moment

X Y X - X (x) Y - Y (y) x² y² xy

1 2 -5,25 -5,75 27,56 33,06 30,19

2 4 -4,25 -3,75 18,06 14,06 15,94
4 5 -2,25 -2,75 5,06 7,56 6,19
5 7 -1,25 -0,75 1,56 0,56 0,94
7 8 0,75 0,25 0,56 0,06 0,19
9 10 2,75 2,25 7,56 5,06 6,19
10 12 3,75 4,25 14,06 18,06 15,94
12 14 5,75 6,25 33,06 39,06 35,94
50 62 0 0 107,5 117,5 111,5
X  Yi  62  i  117,5
2
 50 y
i

X  6,25 Y  7,75  i  107,5

x 2

x y i i  111,5

r 
111,5  0,99
107,7 117,5

Kesimpulan :
Hubungan X (biaya Iklan) dengan Y (Hasil penjual) sangat kuat dan
positif, biaya iklan pada umumnya menaikan hasil penjualan
 KORELASI
3. Koefisien Korelasi Rank Spearman

6 d 2
rs  1 

n n 12

Keterangan :
 rs = Koefisien Korelasi Rank
 d = Selisih dalam Rangking
 n = Banyaknya pasangan rank
Langkah-langkah menghitung Koefisien Rank
 Data dirangking dari data terbesar atau terkecil, jika rangking
sama, diambil rata-ratanya
 Setiap pasang rangking dihitung perbedaannya.
 Perbedaan setiap pasangan rangking dikuadratkan dan hitung
jumlahnya
 Correlations

X Y
X Pearson Correlation 1 ,953**
Sig. (1-tailed) , ,006
N 5 5
Y Pearson Correlation ,953** 1
Sig. (1-tailed) ,006 ,
N 5 5
**. Correlation is significant at the 0.01 level
(1-tailed).
 Correlations

X Y
Spearman's rho X Correlation Coefficient 1,000 1,000**
Sig. (1-tailed) , ,
N 5 5
Y Correlation Coefficient 1,000** 1,000
Sig. (1-tailed) , ,
N 5 5
**. Correlation is significant at the .01 level (1-tailed).
 KORELASI

 Ilustrasi

Ranking Ranking
X Y d d²
X Y
63 478 1 1 0,00 0,00
80 643 6 8 -2,00 4,00
78 620 5 6 -1,00 1,00
67 514 2 2 0,00 0,00
83 597 7 5 2,00 4,00
90 635 8 7 1,00 1,00
75 579 4 3 1,00 1,00
72 593 3 4 -1,00 1,00
608 4659 36 36 0 12 0
 KORELASI

6(12)
rs  1   0.858
88  1
2

Kesimpulan :

Hubungan X (biaya Iklan) dengan Y (Hasil penjual) sangat kuat

dan positif, biaya iklan pada umumnya menaikan hasil penjualan
 KORELASI

Korelasi data Kelompok

r 
n f x C x C y   f C   f C 
x x y y

n f C 2
x x   f C  n f C   f C 
x x
2
y
2
y y y
2
 KORELASI

Diketahui data Hasil ujian statistik (Y) dan matematika (X).

Berdasar tabel ini hitunglah koefisien korelasinya.

Matematika (Y)
Stt (X)
40-49 50-59 60-69 70-79 80-89 90-99
90-99 2 4 4
80-89 1 4 6 5
70-79 5 10 8 1
60-69 1 4 9 5 2
50-59 3 6 6 2
 KORELASI

Diketahui data Hasil ujian statistik (Y) dan matematika (X).

Berdasar tabel ini hitunglah koefisien korelasinya.
Matematika (x) Jumlah
Stt (Y)
40-49 50-59 60-69 70-79 80-89 90-99 (fy) cy fycy Cy² fyCy² fycycx
90-99 2 4 4 10 2 20 4 40 44
80-89 1 4 6 5 16 1 16 1 16 31
70-79 5 10 8 1 24 0 0 0 0 0
60-69 1 4 9 5 2 21 -1 -21 1 21 -3
50-59 3 6 6 2 17 -2 -34 4 68 20
40-49 3 5 4 12 -3 -36 9 108 33
fx 7 15 25 23 20 10 100 -55 253 125
cx -2 -1 0 1 2 3
fxcx -14 -15 0 23 40 30 64
cx² 4 1 0 1 4 9
fxcx² 28 15 0 23 80 90 236
fxcxcy 32 31 0 -1 24 39 125
 KORELASI

r 
100.(125)  64  55  0,77
100.(236)  64
2
100.( 253   55
2
Koefisien Korelasi untuk data
Kualitatif

Keterangan :
  2  kai kuadrat 2
 n = Jumlah semua frekwensi C  2
 C= Koefisien korelasi Bersyarat   n

n q n  ij 

2 ij
 
i 1 j 1 ij

n i . nj 
Frekwensi Harapan : ij 
n
Koefisien Korelasi untuk data
Kualitatif

 Ilustrasi :
 Penelitian hubungan tingkat pendidikan dengan kebiasaan rekreasi. Peneliti
mengambil sebanyak 400 sampel dari masyarakat. Dengan data sbb:

Rekreasi
Pendidikan
tdk pernah Jarang Sering
Tdk sekolah 145 58 8
Menengah 77 13 27
Sarjana 21 32 19

 Hitung koefisien korelasi bersyarat dan apa artinya !

Koefisien Korelasi untuk data
Kualitatif

 Penyelesaian

Rekreasi
Pendidikan Jumlah
tdk pernahJarang Sering
Tdk sekolah (A) 145 58 8 211 n1
ℓ = frekwensi Harapan128,18 54,33 28,49
Menengah (B) 77 13 27 117 n2
ℓ = frekwensi Harapan 71,08 30,13 15,80
Sarjana © 21 32 19 72 n3
ℓ = frekwensi Harapan 43,74 18,54 9,72
243 103 54 400 n
n1. n2. n3.
Koefisien Korelasi untuk data
Kualitatif
 Penyelesaian
(n1) (n1.) (211) (243)
ℓ 11 = n 400
= 128,2

(n1) (n2.) (211) (103)

ℓ 12 = n 400
= 54,3

(n1) (n3.) (211) (54)

ℓ 13 = n 400
= 28,5

(n2) (n1.) (117) (243)

ℓ 21 = n 400
= 71,1

(n2) (n2.) (117) (103)

ℓ 22 = n 400
= 30,1

(n2) (n3.) (117) (54)

ℓ 23 = n 400
= 15,8

(n3) (n1.) (72) (243)

ℓ 31 = n 400
= 43,7

(n3) (n2.) (72) (103)

ℓ 32 = n 400
= 18,5

(n3) (n3.) (72) (54)

ℓ 33 = n 400
= 9,7
Koefisien Korelasi untuk data
Kualitatif
 Nilai Kai Kuadrat

(145 - 128.18)² (27 - 15.80)²

X² = 2,21 = 1,71
128,18 15,8
(58 - 54.33)²
= 0,25
54,33 (21- 43.74)²
(8 - 28.49)² = 11,82
= 14,74 43,74
28,49 (32 - 18.54)²
= 9,77
18,54
(77- 71.08)²
= 0,49 (19 - 9.72)²
71,08 = 8,86
9,72
(13 - 30.13)²
= 9,89
30,13

 2  2.2  0.2 17.74  0.49  9.89  1.71  11 .82  9.77  8.86  59,7
Koefisien Korelasi untuk data
Kualitatif

59,7
C   0.36
59,7  400

Kesimpulan :

 Hubungan antara tingkat pendidikan dengan kebiasaan

rekreasi positif tetapi lemah
Koefisien Korelasi untuk data
Kualitatif

 Koefisien Penentu (KP) /Koefisien Determinasi (R²)

 Artinya penyebab perubahan pada variable Y yang datang

dari variable X, sebesar kuadrat koefisien korelasinya.
Koefisien penentu ini menjelaskan besarnya pengaruh
nilai suatu variable ( variabel X) terhadap naik turunnya
(variasi) nilai variabel lainya (variabel Y).

KP² = r² x 100%

R² = 0.99² x 100% = 98,01%