DAN
ANALISIS KORELASI
STATISTIKA
Iwan Kurniawan
ANALISIS HUBUNGAN
Yi X j
i 1,2,3......., n
X1, X2, X3,…., Xn adalah variabel kontrol
ξj adalah komponen sisaan yang tidak diktehui nilainya (acak)
α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga (ditaksir)
menggunakan statistik sampel.
Model populasi linier ini diduga dengan metode kuadrat terkecil (Least Square
Method). Prinsip metode ini adalah meminimumkan selisih kuadrat antara Y observasi
dengan Y taksiran. Untuk model sampel regresi linier sederhana adalah:
Yi a bX i
Dalam hal ini:
Y=variabel tak bebas
X=variabel bebas
a=penduga bagi intersep (α)
b=penduga bagi koefisien regresi
Rumus Untuk Mendapatkan Nilai a dan b Dalam Regresi Linier Sederhana
n ( XY ) ( X )( Y )
b
n( X 2
) ( X ) 2 Metode Kuadrat Terkecil
a Y bX
Contoh Kasus: Dari hasil pencatatan antara biaya iklan dan volume penjualan sebuah
perusahaan jasa eceran produk Komputer, diperoleh informasi sebagai berikut:
3 12
4 11
5 13
6 12
7 13
8 14
9 16
Tentukan Persamaan Regresi Linier Sederhana dari data di atas, dan jika biaya iklan
dinaikan sampai Rp12 juta. Berapa volume penjualan yang diperoleh perusahaan
tersebut?
Penyelesaian Kasus:
X Y X2 Y2 XY
3 12 9 144 36
4 11 16 121 44
5 13 25 169 65
6 12 36 144 72
7 13 49 169 91
8 14 64 196 112
9 16 81 256 144
Σ X= 42 Σ Y=91 Σ X2=280 Σ Y2=1199 Σ XY=564
Se
(y y ) 2
n 2
Semakin tinggi nilai Se, maka kesalahan pendugaan akan semakin tinggi pula.
Analisis Korelasi
(Analisis Keeratan Hubungan)
Dalam hal keeratan hubungan antara variabel, analisis korelasi ini paling sering
digunakan dalam Statistika.
Tersedia lebih dari satu jenis analisis korelasi yang dapat digunakan, hal ini
tergantung kepada skala pengukuran datanya.
Untuk Skala pengukuran minimal interval analisis yang digunakan adalah analisis
korelasi Pearson --- digunakan dalam analisis statistika parametrik.
Untuk Skala pengukuran ordinal digunakan analisis korelasi Spearman ---- digunakan
dalam analisis statistika non-parametrik.
Untuk Skala pengkuran nominal digunakan uji kebebasan dalam analisis tabel
kontingensi.
Korelasi Pearson (Product Moment)
Koefisien korelasi Pearson digunakan untuk mengetahui tingkat (derajat) keeratan
hubungan linier antara dua atau lebih variabel yang minimal berskala pengukuran
interval.
Bila variabel yang terlibat hanya dua, maka analisis korelasinya disebut analisis
sederhana. Bila variabel yang terlibat lebih dari dua, disebut analsis korelasi
berganda.
Nilai koefisien korelasi yang diperoleh dari populasi dilambangkan dengan “ρ”,
sedangkan bila dari sampel dilambangkan dengan “r”.
Sifat-sifat dari koefisien korelasi (r) adalah:
Nilainya berkisar dari -1 ≤ r ≤ 1
Bila r = 0 atau mendekati nol, berarti antara dua variabel yang diobservasi (misal
X dan Y) tidak terdapat hubungan linier atau hubungan liniernya sangat lemah.
Bila r mendekati 1 (satu), hubungan linier X dan Y sangat kuat.
Tanda koefisien korelasi menunjukkan arah hubungan variabel X dan Y. Bila r
positif, pergerakan nilai kedua variabel bersifat searah. Dengan kata lain,
kenaikan dan penurunan nilai X akan diikuti oleh kenaikan dan penurunan nilai Y.
Bila r negatif, pergerakan X dan Y akan terjadi dalam arah yang berlawanan.
Dengan kata lain, bila X meningkat, maka Y menurun, atau sebaliknya jika X
menurun, maka Y naik.
Rumus Koefisien Korelasi Pearson
n XY X Y
r
n X 2
( X ) 2 n Y 2 ( Y ) 2
Keandalan nilai r akan sangat tergantung pada besarnya sampel (n). Misalnya r yx
diperoleh besar hubungan 0,8, kondisi ini didapat dari hasil perhitungan untuk 15
unit sampel tentunya tidak memiliki keterandalan yang sama dengan nilai ryx =
0,8 yang diperoleh dari 100 unit sampel. Semakin besar ukuran sampelnya akan
menghasilkan r dengan keterandalan yang semakin tinggi.
Contoh Kasus:
Dari hasil survai terhadap 6 orang karyawan yang bekerja diperusahaan asing,
diperoleh informasi tentang besarnya pendapatan (X) dan pengeluaran (Y) dalam
bentuk tabel sebagai berikut:
10 7
20 21
30 23
40 34
50 36
60 53
6(7520) ( 210)(174)
r 0,973
6(9100) (210) 6(6280) (174)
2 2
r (n 2)
t ,v n 2
2
(1 r )
V= degrees of fredom
Kriteria Uji:
Jika t hitung > t tabel --- maka Ho ditolak
Dengan menggunakan hasil perhitungan korelasi antara pendapatan dengan
pengeluaran, maka akan dilakukan pengujian hipotesis terhadap koefisien korelasi
tersebut.
Ho : ρ=0 (Tidak terdapat hubungan antara variabel pendapatan dengan variabel
pengeluaran)
H1 : ρ±0 (Terdapat hubungan antara variabel pendapatan dengan variabel
pengeluaran)
Tingkat Keberartian Pengujian α = 5%
Statistik Uji:
r ( n 2) 0,973 (6 2)
t 8,43
(1 r 2 ) (1 0,973 2 )
I r 2 x 100%
r koefisien korelasi
Kasus 1:
Data pada suatu pabrik kertas menunjukkan bahwa banyaknya kertas rusak ada
hubungannya dengan kecepatan beroperasinya mesin cetak. Hal ini dapat dilihat pada
tabel berikut:
Kecepatan 8,1 10,2 10,8 10,9 12,0 13,1 13,2 13,8 14,9 15,8 16,4 17,4
Mesin per-
menit (X)
Jumlah 6,0 7,0 7,5 5,7 7,0 9,6 9,4 9,2 12,2 9,0 11,4 12,3
kerusakan
kertas
(lembar) Y
Sebuah riset dilakukan oleh sebuah Supermal yang mempunyai banyak cabang
usaha. Hasil pengamatan dilapangan diperoleh informasi ata sebagai berikut: