OLEH :
FAKULTAS PERTANIAN
UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010
WIJAYA
II. ANALISIS KORELASI
1. Koefisien Korelasi Pearson
¾ Koefisien Korelasi Moment Product
¾ Korelasi Data Berskala Interval dan Rasio
2. Koefisien Korelasi Spearman
¾ Korelasi Data Berskala Ordinal (Rank)
3. Koefisien Kontingensi
¾ Korelasi Data yang Disusun dalam Baris - Kolom
4. Koefisien Korelasi Phi
Analisis Korelasi merupakan studi yang membahas tentang derajat keeratan hubungan antar peubah, yang dinyatakan dengan Koefisien Korelasi. Hubungan antara peubah X dan Y dapat bersifat :
a. Positif, artinya jika X naik (turun) maka Y naik (turun).
b. Negatif, artinya jika X naik (turun) maka Y turun (naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X.
Positif Negatif Bebas (Nol)
1. KORELASI PEARSON
Rumus umum Koefisien Korelasi :
r2 = Koefisien Determinasi (Koefisien Penentu)
r = √ r2 = Koefisien Korelasi JKG = Jumlah Kuadrat Galat
Rumus Koefisien Korelasi Pearson :
X = Variabel Bebas (Faktor)
Y = Variabel Terikat (Variabel Tidak Bebas)
Data keuntungan usahatani (Y) pada berbagai luas lahan (X) :
No Petani Luas Lahan (X) Keuntungan (Y)
No X Y X2 Y2 XY
1 0,21 0,50 0,0441 0,2500 0,1050 2 0,50 1,10 0,2500 1,2100 0,5500 3 0,14 0,25 0,0196 0,0625 0,0350 4 1,00 1,80 1,0000 3,2400 1,8000 5 0,21 0,40 0,0441 0,1600 0,0840 6 0,07 0,20 0,0049 0,0400 0,0140 7 0,50 0,90 0,2500 0,8100 0,4500 8 1,00 2,00 1,0000 4,0000 2,0000 9 0,70 1,20 0,4900 1,4400 0,8400 10 0,14 0,35 0,0196 0,1225 0,0490 11 0,35 0,70 0,1225 0,4900 0,2450 12 0,28 0,65 0,0784 0,4225 0,1820 Jumlah 5,10 10,05 3,3232 12,2475 6,3540 Rata-rata 0,43 0,84 - -
-∑ X = 5,10 ; ∑ Y = 10,05 ; ∑ X2 = 3,3232 ;
6. Kesimpulan :
Karena nilai ( t = 22,052) > ( t0,025(10) = 2,228)
maka disimpulkan untuk menolak H0, artinya
terdapat hubungan yang signifikan antara
keuntungan usahatani (Y) dengan luas lahan
6. Kesimpulan :
Nilai t = 22,052 dan t0,025(10) = 2,228.
–2,228 2,228
22,052 Tolak H0 Tolak H0
2. KORELASI SPEARMAN
1. Jika tidak ada nilai pengamatan yang sama :
Rank-X t Tx Rank-Y t Ty 3 3 2,0 1,5 2 0,5 5,5 2 0,5 6,5 2 0,5 8,5 2 0,5
11 3 2,0
6. Kesimpulan :
Koefisien korelasi phi rφ merupakan ukuran derajat keeratan hubungan antara dua variabel dengan skala nominal yang bersifat dikotomi (dipisahduakan).
3. KORELASI PHI
Kolom Jumlah
Baris A B (A+B)
C D (C+D)
Uji signifikansi rφ dengan statistik χ2 Pearson :
Atau dengan rumus :
Contoh : Data banyaknya petani tebu berdasarkan penggunaan jenis pupuk dan cara tanam.
Pupuk
Keprasan 9 7 16
Jumlah 14 16 30
Jawab :
Keprasan 9 7 16
Uji Koefisien Korelasi phi :
1. H0 ≡ rφ = 0 lawan H1 ≡ rφ ≠ 0
2. Taraf Nyata α = 5 % = 0,05
3. Uji Statistik = Uji- X2
4. Wilayah Kritik (Daerah Penolakan H0) :
X2 > X20,05(1) atau X2 > 3,841
Pupuk
Keprasan 9 7,47 7 8,53 16
6. Kesimpulan
Karena nilai (X2 = 0,571) < (X20,05(1) = 6,635)
maka H0 diterima artinya penggunaan jenis
Pupuk
Keprasan 9 7 16
4. KORELASI KONTINGENSI
Koefisien kontingensi C merupakan ukuran korelasi antara dua variabel kategori yang disusun dalam tabel kontingensi berukuran ( b x k ).
Contoh :
Ada anggapan bahwa pelayanan bank swasta terhadap para nasabahnya lebih memuaskan dari pada bank pemerintah. Untuk mengetahui hal tersebut, maka dilakukan wawancara terhadap nasabah bank swasta dan bank pemerintah masing-masing sebanyak 40 orang. Hasil wawancara yang tercatat adalah :
Swasta Pemerintah
Tidak Puas 16 10
Netral 9 5
1. H0 ≡ C = 0 lawan H1 ≡ C ≠ 0
2. Taraf Nyata α = 5 % = 0,05
3. Uji Statistik = Uji- X2
4. Wilayah Kritik (Daerah Penolakan H0) :
X2 > X20,05(2) atau X2 > 5,991
5. Perhitungan :
Swasta Pemerintah
Jumlah 40 40 80
6. Kesimpulan :
5. KORELASI BISERI
5. KORELASI BISERI
rb = Koefisien Korelasi Biseri
Y1 = Rata-rata Variabel Y untuk kategori ke-1 Y2 = Rata-rata Variabel Y untuk kategori ke-2 p = Proporsi kategori ke-1
q = 1 – p
Data berikut merupakan hasil nilai ujian statistika dari 145 mahasiswa yang belajar dan tidak belajar.
Nilai Ujian Jumlah Mahasiswa Total Belajar Tidak Belajar
6. KORELASI LINEAR GANDA DAN PARSIAL
Untuk regresi linier ganda Y = b0 + b1 X1 + b2 X2 + … + bk Xk , maka koefisien korelasi ganda dihitung dari Koefsisien Determinasi dengan rumus :
JKR = Jumlah Kuadrat Regresi
JKT = Jumlah Kuadrat Total
Regresi Dugaan : Y = b0 + b1 X1 + b2 X2. Kemudian persamaan normal yang dapat dibentuk yaitu :
n ∑ X1 ∑ X2 b0 ∑ Y
Nilai b0 , b1 dan b2 dapat dihitung melalui :
2. Substitusi, dan (b) Eliminasi 1. Matriks :
a. Determinan Matriks, b. Invers Matriks
Melalui salah satu cara diatas diperoleh nilai b0 = 27,254
Analisis Ragam :
JKG = JKT – JKR = 728,25 – 544,596 = 183,654
No Variasi DB JK KT F F5%
1 Regresi 2 544,596 272,298 13,344 4,256
2 Galat 9 183,654 20,406
F0,05(2 ; 9) = 4,2565
Karena nilai ( F = 13,343) > ( F0,05(2 ; 9) = 4,2565) artinya
2. Koefisien Korelasi Parsial :
A. Korelasi X1 dengan Y jika X2 tetap :
2. Koefisien Korelasi Parsial :
A. Korelasi X1 dengan Y jika X2 tetap :
ry1 = 0,862 ; ry12 = 0,743 ; r
y2 = –0,242
rY22 = 0,059 ; r
B. Korelasi X2 dengan Y jika X1 tetap :
ry1 = 0,862 ; ry12 = 0,743 ; r
y2 = –0,242
rY22 = 0,059 ; r
Pengujian Koefisien Korelasi Parsial :
A. Korelasi X1 dengan Y jika X2 tetap (ry1/2) :
ry1/2 = 0,855 ; ry1/22 = 0,731 ;
ry2/1 = 0,124 ; rY2/12 = 0,015
A. Korelasi X1 dengan Y jika X2 tetap (ry1/2) :
ry1/2 = 0,855 ; ry1/22 = 0,731 ;
ry2/1 = 0,124 ; rY2/12 = 0,015
B. Korelasi X2 dengan Y jika X1 tetap (ry2/1) :
7. KORELASI DATA DIKELOMPOKKAN
Pendapatan (X) dan Pengeluaran (Y) Bulanan (ribu rupiah) karyawan sebuah pabrik :
Mencari fi Cx.Cy = 8 pada titik tengah (X) = 30,5