Korelasi Linier Sederhana

PENGAMPU :

RETNO SUSANTI, SE, MM

F E UNISRI SURAKARTA
2020

1
 Korelasi
 Menilai hubungan 2 variabel numerik
Contoh:
1. Apakah ada hubungan antara umur dengan
tekanan darah sistolik
2. Apakah ada hubungan antara income
keluarga dengan IP mhs
3. Apakah ada hubungan antara umur
pasien dengan lama hari rawat

 Diagram tebar (scatter-plot)


Sumbu X  Variabel Independen
Sumbu Y  Variabel Dependen
 Korelasi
 Pola hubungan
antara 2 variabel Korelasi Korelasi
numerik Positif Negatif
1. Linier:
- Positif
- Negatif

2. Non-Linier:
- Parabolik
- Exponensial
 Korelasi
 Menilai kekuatan hubungan linier 2 var numerik:
 Pearson’s Coefisien Correlation (r)

 Dari nilai r kita dapat menentukan:

a. Kekuatan hubungan(0 s.d 1)
b. Arah hubungan: (+/-)

 Kisaran nilai r antara 0 s.d 1:

0 = Tidak ada hubungan linier
1 = Ada hubungan linier sempurna

 Arah hubungan:
+ = Hubungan direct:
semakin besar nilai X semakin besar nilai Y

 - = Hubungan inverse:
semakin besar nilai X semakin kecil nilai Y
 Korelasi
ASUMSI
 Pearson’s Coef. Correlation hanya valid jika asumsi berikut
terpenuhi:
1. Untuk setiap nilai X, Nilai Y terdistribusi secara normal
2. Untuk setiap nilai Y, Nilai X terdistribusi secara normal
3. Perkalian antara nilai X dan Y terdistribusi secara normal
(bivariate normal distr.)

 Koefisien Determinasi (r2):

Melihat besarnya variasi variabel Y (dalam persen) yang

dapat dijelaskan oleh variabel X.
Misal r=0.8, r2=0.64. Artinya sebesar 64% variasi nilai Y
dapat dijelaskan oleh variabel X
Korelasi: Data Lay-out dan perhitungan r
Subjek X X2 Y Y2 X.Y

1 X1 X12 Y1 Y12 XY1

. X. X. 2 Y. Y. 2 XY.
. X. X. 2 Y. Y. 2 XY.
n Xn Xn2 Yn Yn2 XYn
(X) = … (X2) … (Y)… (Y2)… (XY) = …
(  X ). (  Y )
( X Y ) 
n
r  xy * n   x  y
   X  2
    Y  2
 b
2
(  X ) 
n
2
. (  Y ) 
n
  x 2
*n  x
2

   
r
 xy * n   x y
 x * n   x *  y * n   y  
2 2 2 2
 Korelasi
INTERPRETASI KOEF. KORELASI
Kekuatan hubungan: (Subjektif)
r < 0.4 : Lemah
0.4< r <0.8 : Sedang
r > 0.8 : Kuat

Korelasi tidak selalu berarti hubungan sebab akibat

(causality)
Korelasi yang lemah tidak selalu berarti tidak
adanya hubungan
Korelasi yang kuat tidak selalu berarti adanya garis
lurus
 Korelasi
CONTOH KORELASI:
Subjek (X) Usia (Y) Lama hari rawat X.Y
1 20 5
2 30 6
3 25 5
4 35 7
5 40 8
(X) = 150 (Y) = 31 (XY) =
970
(X2) = 4750 (Y2) = 199

970 * 5  150 * 31
r  0,97
2

[4750 * 5  (150) ] * 199 * 5  (31) 2

 Korelasi
CONTOH KORELASI:
Subjek (X) Usia (Y) Lama hari rawat X.Y
1 20 5
2 30 6
3 25 5
4 35 7
5 40 8
(X) = 150 (Y) = 31 (XY) = 970
(X2) = 4750 (Y2) = 199

(  X ). (  Y ) ( 1 5 0 ). ( 3 1)
( X Y )  (970) 
r n  5  0 .9 7
 2
X   
2
2
Y  
2
 1 5 0   
2
 3 1 
2

(  X )  . (  Y )   ( 4 7 5 0 )   .  (1 9 9 )  
 n   n   5   5 
 Korelasi
 Uji hipotesis Koef. Korelasi (r):
1. Ho:  = 0 (Tidak ada hubungan/korelasi)
Ha:   0 (Ada hubungan/korelasi)
2. Critical Region: Ho ditolak jika,
| t (hitung) | > t (tabel: /2, df=n-2) atau p-value < 
> 3.182 p< 0.05
3. Uji statistik:
n 2 5 2
t  r. 2
 0 .9 7 2
 6 .91
1r 1  0 .9 7

4. Karena t hitung = 6,91 > t tabel (3,182)

Keputusan: Ho ditolak
5. Kesimpulan:Koef. Korelasi populasi () tidak sama dengan
nol, artinya Ada korelasi antara umur dg lama hr
rawat
Pag
e 10
Tugas dari buku Pangestu
Halaman 311 soal nomer 1

Pag
Jur. Biostatistika, FKM UI, 2001 e 11