2
PENGERTIAN ANALISIS KORELASI
Analisis Korelasi
HUBUNGAN POSITIF DAN NEGATIF
Hubungan Produksi dan Harga Minyak Goreng
(Korelasi Positif) 0 100 200 300 400 500 600 700
637 740 722 781 849 881
Harga Minyak Goreng Hubungan Inflasi dan Suku
Bunga (Korelasi Negatif)
0 5 10 15 20 25 30 35
2,01 9,35 12,55 10,33
Inflasi
Gambar kedua memperlihatkan
hubungan yang positif antara variabel produksi dan harga minyak goreng, yaitu apabila harga meningkat, maka produksi juga meningkat.
4
RUMUS KOEFISIEN KORELASI
Rumus koefisien korelasi tersebut dinyatakan sebagai berikut:
2
2
2
2n
XY
X
Y
r
n
X
X
n
Y
Y
Di mana:
r : Nilai koefisien korelasi
åX : Jumlah pengamatan variabel X åY : Jumlah pengamatan variabel Y
åXY : Jumlah hasil perkalian variabel X dan Y (åX2) : Jumlah kuadrat dari pengamatan variabel X
(åX)2: Jumlah kuadrat dari jumlah pengamatan variabel X
(åY2) : Jumlah kuadrat dari pengamatan variabel Y
(åY)2: Jumlah kuadrat dari jumlah pengamatan variabel Y
HUBUNGAN KUAT DAN LEMAHNYA SUATU KORELASI
0,0
0,5
1,0
Skala r
Korelasi negatif
Korelasi positif
Korelasi negatif
sempurna
Korelasi negatif
sedang
Korelasi negatif
kuat
Korelasi negatif
lemah
Korelasi positif
lemah
Korelasi positif
kuat
Korelasi positif
sedang
Korelasi positif
sempurna
Tidak ada
Korelasi
6
CONTOH: JUMLAH NILAI INVESTASI
CONTOH: PERMINTAAN
DIPENGARUHI HARGA
DAN PENDAPATAN
8
PENGERTIAN KOEFISIEN DETERMINASI
Koefisien Determinasi
Bagian dari keragaman total variabel terikat Y (variabel yang
dipengaruhi atau dependen) yang dapat diterangkan atau
diperhitungkan oleh keragaman variabel bebas X (variabel yang
memengaruhi atau independen).
Koefisien determinasi = r
2
2 2 2 2 2 2n
XY
X
Y
r
n
X
X
n
Y
Y
OUTLINE
Fungsi, Variabel, dan Masalah dalam Analisis Regresi
Bagian III Statistik Induktif
Metode dan Distribusi Sampling
Teori Pendugaan Statistik
Pengujian Hipotesis Sampel Besar
Pengujian Hipotesis Sampel Kecil
Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Berganda
Pengertian Korelasi Sederhana
Kesalahan Baku Pendugaan
Perkiraan Interval dan Pengujian Hipotesis
Hubungan Koefisien Korelasi, Koefisien Determinasi, dan Kesalahan Baku
Pendugaan
Analisis Regresi: Metode Kuadrat Terkecil
Asumsi-Asumsi Metode Kuadrat Terkecil
10
RUMUS UJI t UNTUK UJI KORELASI
Di mana:
t
: Nilai t-hitung
r
: Nilai koefisien korelasi
n
: Jumlah data pengamatan
Ujilah apakah (a) nilai r = ‒0,892 pada hubungan antara suku bunga dan investasi PMDN dan
(b) r = 0,894 pada hubungan antara harga minyak CPO dan produksi minyak mentah kelapa sawit (CPO) sama dengan nol pada taraf nyata 5%?
1. Perumusan hipotesis:
Hipotesis yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam populasi dilambangkan dengan ρ sedang pada sampel r.
2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df) = n ‒ k = 11 ‒ 2 = 9. Nilai taraf nyata a/2= 0,025 dan df =9 adalah = 2,262. Ingat bahwa n adalah jumlah data pengamatan, yaitu = 11, sedangkan k adalah jumlah variabel, yaitu Y dan X, jadi k= 2.
3. Menentukan nilai uji t
12
4.
Menentukan daerah keputusan dengan nilai kritis 2,2625. Menentukan keputusan. Nilai t-hitung ternyata terletak pada daerah menolak H0. Ini menunjukkan bahwa tidak terdapat cukup bukti untuk menolak H0, dan menerima H1 sehingga dapat disimpulkan bahwa korelasi dalam populasi tidak sama dengan nol, dan hubungan antara tingkat suku bunga investasi dengan nilai investasi bersifat kuat dan nyata.
OUTLINE
Fungsi, Variabel, dan Masalah dalam Analisis Regresi
Bagian III Statistik Induktif
Metode dan Distribusi Sampling
Teori Pendugaan Statistik
Pengujian Hipotesis Sampel Besar
Pengujian Hipotesis Sampel Kecil
Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Berganda
Pengertian Korelasi Sederhana
Kesalahan Baku Pendugaan
Perkiraan Interval dan Pengujian Hipotesis
Hubungan Koefisien Korelasi, Koefisien Determinasi, dan Kesalahan Baku
Pendugaan
Analisis Regresi: Metode Kuadrat Terkecil
14
DEFINISI PERSAMAAN REGRESI
Persamaan Regresi
SCATTER DIAGRAM UNTUK MEMBANTU MENARIK
GARIS REGRESI
Scatter diagram untuk hubungan antara volume ekspor dan nilai kurs USD dapat digambarkan sebagai berikut:
16
CONTOH HUBUNGAN ANTARA PRODUKSI
DENGAN HARGA MINYAK KELAPA SAWIT
Analisis Regresi dan Korelasi Linier
15
CONTOH HUBUNGAN ANTARA PRODUKSI
DENGAN HARGA MINYAK KELAPA SAWIT
Analisis Regresi dan Korelasi Linier
15
PERSAMAAN UMUM
Rumus umum persamaan regresi sederhana:
Ŷ = a + bX
Rumus persamaan regresi dua variabel
independen:
Y = a + b
1X
1+ b
2X
2Rumus persamaan regresi tiga variabel
independen:
Y = a + b
1X
1+ b
2X
2+ b
3X
3Rumus persamaan regresi
k
variabel
independen:
CONTOH PENERAPAN REGRESI
BERGANDA
Responden
Permintaan
minyak
(liter/bulan)
Harga minyak (Rp
ribu/liter)
pendapatan (Rp
Jumlah
juta/bulan)
Gita
3
8
10
Anna
4
7
10
Ida
5
7
8
Janti
6
7
5
Dewi
6
6
4
Henny
7
6
3
Ina
8
6
2
Farida
9
6
2
Ludi
10
5
1
Natalia
10
5
1
CONTOH PENERAPAN REGRESI
BERGANDA
∑Y ∑X1 ∑Y2 ∑X1Y ∑X2Y ∑X12 ∑X
22 ∑X1X2
3 8 10 24 30 64 100 80
4 7 10 28 40 49 100 70
5 7 8 35 40 49 64 56
6 7 5 42 30 49 25 35
6 6 4 36 24 36 16 24
7 6 3 42 21 36 9 18
8 6 2 48 16 36 4 12
9 6 2 54 18 36 4 12
10 5 1 50 10 25 1 5
10 5 1 50 10 25 1 5
68 63 46 409 239 405 324 317
24
CONTOH: PENERAPAN REGRESI BERGANDA
Analisis Regresi dan Korelasi Linier
16
Pengaruh harga dan pendapatan terhadap permintaan minyak goreng
Y = 15,086 – 1,015X
1– 0,41 X
2OUTLINE
Fungsi, Variabel, dan Masalah dalam Analisis Regresi
Bagian III Statistik Induktif
Metode dan Distribusi Sampling
Teori Pendugaan Statistik
Pengujian Hipotesis Sampel Besar
Pengujian Hipotesis Sampel Kecil
Analisis Regresi dan Korelasi Berganda Analisis Regresi dan Korelasi Linier
Pengertian Korelasi Berganda dan Kegunaannya
Analisis Regresi dan Korelasi Linier
16
Analisis Regresi Berganda: Pendugaan Koefisien Regresi
Koefisien Determinasi, Korelasi Berganda, dan Korelasi Parsial
Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis pada Regresi Berganda
Asumsi dan Pelanggaran Asumsi dalam Regresi Berganda Pengertian Korelasi Berganda dan
Kegunaannya
26
KOEFISIEN DETERMINASI
Koefisien Determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan oleh
persamaan regresi (regression of sum squares—RSS) terhadap varian total (total sum of squares—
TSS). Besarnya koefisien determinasi dirumuskan sebagai berikut:
Analisis Regresi dan Korelasi Linier
16
RUMUS KOEFISIEN KORELASI SEDERHANA
28
RUMUS KOEFISIEN KORELASI PARSIAL
Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana
OUTLINE
Fungsi, Variabel, dan Masalah dalam Analisis Regresi
Bagian III Statistik Induktif
Metode dan Distribusi Sampling
Teori Pendugaan Statistik
Pengujian Hipotesis Sampel Besar
Pengujian Hipotesis Sampel Kecil
Analisis Regresi dan Korelasi Berganda Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Linier
16
Analisis Regresi Berganda: Pendugaan Koefisien Regresi
Koefisien Determinasi, Korelasi Berganda, dan Korelasi Parsial
Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis pada Regresi Berganda
Asumsi dan Pelanggaran Asumsi dalam Regresi Berganda Pengertian Korelasi Berganda dan
Kegunaannya
30
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
1. Menyusun Hipotesis
Hipotesis yang ingin diuji adalah kemampuan variabel bebas
menjelaskan tingkah laku variabel terikat, apabila variabel bebas tidak dapat memengaruhi variabel terikat dapat
dianggap nilai koefisien regresinya sama dengan nol, sehingga
berapa pun nilai variabel bebas tidak akan berpengaruh
terhadap variabel terikat. Persamaan pada contoh satu, yaitu Y
= 15,086 – 1,015X1 – 0,41 X2, variabel bebas X1, dan X2
dikatakan mampu memengaruhi Y apabila nilai koefisien b1 dan
b2 tidak sama dengan nol, apabila sama dengan nol, maka
dikatakan tidak mampu memengaruhi variabel bebas Y.
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
Untuk uji ini digunakan tabel F. untuk mencari nilai F-tabel perlu diketahui
derajat bebas pembilang pada kolom, derajat bebas penyebut pada baris, dan
taraf nyata. Diketahui ada tiga variabel , yaitu Y, X1, dan X2, jadi k=3, sedangkan
jumlah n=10. Jadi derajat pembilang k ‒ 1=3 ‒ 1 = 2, sedangkan derajat
penyebut n ‒ k= 10 ‒ 3 = 7 dengan taraf nyata 5%. Nilai F-tabel dengan derajat pembilang 2, penyebut 7 dan taraf nyata 5% adalah 4,74
2. Menentukan daerah keputusan
Derajat bebas pembilang
1 2 3 4 5 … 120
1 161 200 216 225 230 … 253 254
2 18,5 19,0 19,2 19,2 19,3 … 19,5 19,5
3 10,1 9,55 9,28 9,12 9,01 … 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 … 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 … 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 … 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 … 3,27 3,23
… … … … … … … … …
3,84 3,00 2,60 2,37 2,21 … 1,22 1,00
D er aj at b eb as p en ye b u t
32
UJI SIMULTAN ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
3. Menentukan nilai F-hitung
Nilai F-hitung ditentukan dengan rumus sebagai berikut:
Dari soal diketahui bahwa R2 = 0,933 dan n = 10, sehingga nilai
F-hitung adalah:
Analisis Regresi dan Korelasi Linier
16
) n /( ) R ( ) k /( R F 3 1 1 2 2 73881 48 0096 0 4665 0 3 10 933 0 1 1 3 933
0 , / , ,
) /( ) , ( ) /( ,
F
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
4. Menentukan daerah keputusan
Terima Ho
F-Tabel=4,74 Skala F
F-Hitung= 48,74
Terima H1
34
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
5. Memutuskan Hipotesis
Nilai F-hitung > dari F-tabel dan berada di daerah terima H1. Ini menunjukkan bahwa terdapat cukup bukti untuk menolak Ho dan
menerima H1. Kesimpulan dari diterimanya H1 adalah nilai koefisien
regresi tidak sama dengan nol, dengan demikian variabel bebas dapat menerangkan variabel terikat, atau dengan kata lain variabel bebas
yaitu X1 dan X2 pengaruhnya secara bersama-sama nyata terhadap
variabel terikatnya, yaitu Y.
OUTLINE
Fungsi, Variabel, dan Masalah dalam Analisis Regresi
Bagian III Statistik Induktif
Metode dan Distribusi Sampling
Teori Pendugaan Statistik
Pengujian Hipotesis Sampel Besar
Pengujian Hipotesis Sampel Kecil
Analisis Regresi dan Korelasi Berganda Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Linier
16
Analisis Regresi Berganda: Pendugaan Koefisien Regresi
Koefisien Determinasi, Korelasi Berganda, dan Korelasi Parsial
Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis pada Regresi Berganda
Asumsi dan Pelanggaran Asumsi dalam Regresi Berganda Pengertian Korelasi Berganda dan
Kegunaannya
36
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN
Analisis Regresi dan Korelasi Linier
16
Bersambung ke hlm
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN
Y = a + b
1X
1+ b
2X
2Y : Keuntungan perusahaan (miliar/tahun) X1 : Total aset (miliar/tahun)
X2 : Harga saham (rupiah/lembar) Di mana
38
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN
Analisis Regresi dan Korelasi Linier
16
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN
40
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN
Persamaan Y = ‒728,140 + 0,017X1 + 0,4X2 menyatakan bahwa aset (X1) dan (Y) berhubungan positif. Hal ini berarti jika aset (X1) meningkat 1 miliar rupiah, maka keuntungan (Y) meningkat 0,017 miliar
rupiah, dan sebaliknya. Variabel harga saham (X2) dan keuntungan (Y) berhubungan positif juga.
Sehingga apabila harga saham (X2) naik 1 rupiah, maka keuntungan perusahaan meningkat 0,4 miliar.
Angka -728,140 merupakan konstanta yanng berarti apabila semua variabel bebas sama dengan nol maka variabel terikatnya = -728,140
Nilai R2= 0,946 ini menunjukkan kemampuan variabel aset dan harga saham menjelaskan perilaku