KORELASI DAN REGRESI
LINEAR SEDERHANA
A. VARIABEL BEBAS DAN VARIABEL TERIKAT
•
VARIABEL BEBAS (INDEPENDENT VARIABLE)
ADALAH VARIABEL YANG NILAI-NILAINYA TIDAK
BERGANTUNG PADA VARIABEL LAINNYA,
BIASANYA DISIMBOLKAN DENGAN X. VARIABEL
ITU DIGUNAKAN UNTUK MERAMALKAN ATAU
MENERANGKAN NILAI VARIABEL YANG LAIN.
•
VARIABEL TERIKAT (DEPENDENT VARIABLE)
ADALAH VARIABEL YANG NILAI-NILAINYA
BERGANTUNG PADA VARIABEL LAINNYA,
BIASANYA DISIMBOLKAN DENGAN Y
B.
ANALISIS KORELASI SEDERHANA
• ANALISIS KORELASI ADALAH CARA UNTUK MENGETAHUI ADA
ATAU TIDAK ADANYA HUBUNGAN ANTAR VARIABEL MISALNYA HUBUNGAN DUA VARIABEL.
1. KORELASI POSISITF 2. KORELASI NEGATIF 3. TIDAK KORELASI
1. KORELASI POSISITF
• KORELASI POSITIF ADALAH KORELASI DARI DUA VARIABEL, YAITU APABILA VARIABEL YANG SATU (X) MENINGKAT ATAU MENURUN
MAKA VARIABEL LAINNYA (Y) CENDERUNG UNTUK MENINGKAT ATAU MENURUN PULA.
2. KORELASI NEGATIF
• KORELASI NEGATIF ADALAH KORELASI DARI DUA VARIABEL, YAITU APABILA VARIABEL YANG SATU (X) MENINGKAT ATAU MENURUN MAKA VARIABEL LAINNYA (Y) CENDERUNG MENURUN ATAU
3. TIDAK KORELASI
• TIDAK ADA KORELASI TERJADI MENUNJUKKAN ADANYA HUBUNGAN APABILA KEDUA VARIABEL (X DAN Y) TIDAK MENUNJUKKAN ADANYA HUBUNGAN
4. KORELASI SEMPURNA
• KORELASI SEMPURNA ADALAH KORELASI DARI DUA
VARIABEL, YAITU APABILA KENAIKAN ATAU
PENURUNAN VARIABEL YANG SATU (VARIABEL X)
BERBANDING DENGAN KENAIKAN PENURUNAN
VARIABEL LAINNYA (VARIABEL Y).
• ANALISIS KORELASI YANG AKAN DIPELAJARI DI SINI
ADALAH ANALISIS KORELASI SEDERHANA, YAITU
ANALISIS KORELASI YANG HANYA MELIBATKAN DUA
VARIABEL (VARIABEL X DAN Y) SAJA.
• ANALISIS KORELASI DAPAT DILAKUKAN MELALUI
BEBERAPA CARA, YAITU DIAGRAM PENCAR, TABEL
KORELASI, KOEFISIEN KORELASI, SERTA REGRESI.
C. DIAGRAM PENCAR
C. DIAGRAM PENCAR
C. DIAGRAM PENCAR
C. DIAGRAM PENCAR
TABEL 8.1 HUBUNGAN ANTARA HASIL PENJUALAN
DAN BIAYA IKLAN, DARI SEBUAH PERUSAHAAN
Biaya Iklan (juta Rp) Biaya Penjualan (juta Rp) 0,50 1,00 1,75 2,50 3,25 4,00 5,50 5,75 6,50 5,00 10,00 12,50 20,00 30,00 35,00 40,00 42,50 50,00
1. Buatlah diagram penew dari data-data tersebut!
2. Sebutkan jenis korelasi yang terjadi!
JENIS KORELASI YANG TERJADI
ADALAH KORELASI POSITIF.
D. TABEL KORELASI
• SAMA HALNYA DENGAN DIAGRAM PENCAR, TABEL
KORELASI JUGA MENUNJUKKAN ADANYA INDIKASI
KORELASI ANTARA DUA VARIABEL.
• PADA TABEL KORELASI TERDAPAT DUA VARIABEL,
YAITU VARIABEL X DAN Y. PROSES PEMBENTUKAN
TABEL KORELASI HAMPIR SAMA DENGAN PROSES
PEMBENTUKAN TABEL FREKUENSI (DISTRIBUSI
FREKUENSI). TABEL KORELASI DISEBUT DISTRIBUSI
FREKUENSI BERVARIABEL DUA.
• PROSEDUR PEMBUATAN TABEL KORELASI (DISTRIBUSI
FREKUENSI DUA VARIABEL) ADALAH SEBAGAI BERIKUT.
(LIHAT SELANJUTNYA)
E.
KOEFISIEN KORELASI LINEAR
SEDERHANA
1. PENGERTIAN KOEFISIEN KORELASI
• KOEFISIEN KORELASI KK MERUPAKAN INDEKS ATAU BILANGAN YANG DIGUNAKAN UNTUK MENGUKUR KEERATAN (KUAT, LEMAH, ATAU TIDAK ADA) HUBUNGAN ANTAR VARIABEL.
• KOEFISIEN KORELASI MEMILIKI NILAI ANTARA -1 DAN +1 (-1 ≤ KK ≤ +1).
1. PENGERTIAN KOEFISIEN
KORELASI
a.
JIKA KK BERNILAI POSITIF MAKA
VARIABEL-VARIABEL BERKORELASI POSITIF. SEMAKIN DEKAT
NILAI KK KE +1 SEMAKIN KUAT KORELASINYA,
DEMIKIAN PULA SEBALIKNYA.
b.
JIKA KK BERNILAI NEGATIF MAKA
VARIABEL-VARIABEL BERKORELASI NEGATIF. SEMAKIN DEKAT
NILAI KK KE -1 SEMAKIN KUAT KORELASINYA,
DEMIKIAN PULA SEBALIKNYA.
c.
JIKA KK BEMILAI 0 {NOL} MAKA
VARIABEL-VARIABEL TIDAK MENUNJUKKAN KOREFALK
d.
JIKA KK BERNILAI +1 ATAU -1 MAKA
VARIABEL-VARIABEL MENUNJUKKAN KORELASI
UNTUK MENENTUKAN KEERATAN HUBUNGAN ATAU
KORELASI ANTARVARIABEL TE BERIKUT INI DIBERIKAN
NILAI-NILAI DARI KK SEBAGAI PATOKAN.
•
KK = 0, TIDAK ADA KORELASI
•
0< KK ≤ 0,20, KORELASI SANGAT RENDAH/LEMAH SEKALI
•
0,20 < KK ≤ 0,40, KORELASI RENDAH/LEMAH TAPI PASTI
•
0,40 < KK ≤ 0,70, KORELASI YANG CUKUP BERARTI
•
0,70 < KK ≤ 0,90, KORELASI YANG TINGGI, KUAT
•
0,90 < KK < 1,00, KORELASI SANGAT TINGGI, KUAT SEKALI,
DAPAT DIANDALKAN
KEGUNAAN KOEFISIEN KORELASI
a. MENENTUKAN ARAH ATAU BENTUK DAN KEKUATAN HUBUNGAN
• ARAH HUBUNGAN ® POSITIF (X| Y | ATAU ATAU XI Y |) ATAU TIDAK ADA.
• KEKUATAN HUBUNGAN ® SEMPURNA, KUAT, LEMAH, ATAU TIDAK ADA.
b. MENENTUKAN KOVARIASI, YAITU BAGAIMANA DUA VARIABEL RANDOM (X DAN Y) BERCAMPUR.
KOVARIASI DIRUMUSKAN:
Kovarain =(S
X
) (S
Y
) (KK)
Keterangan:
SX
=
simpang baku (standar deviasi) variabel X
Sy
=
simpang baku {standar deviasi} variabel Y
KK =
koefisien korelasi .
3. JENIS-JENIS KOEFISIEN
KORELASI LINEAR SEDERHANA
A. KOEFISIEN KORELASI PEARSON
• KOEFISIEN KORELASI PEARSON ADALAH INDEKS ATAU ANGKA YANG DIGUNAKAN MENGUKUR KEERATAN HUBUNGAN ANTARA DUA VARIABEL YANG DATANYA BERBENTUK DATA INTERVAL ATAU RASIO. DISIMBOLKAN DENGAN “R”.
• KOEFISIEN KORELASI PEARSON DAPAT DITENTUKAN DENGAN DUA METODE YAITU:
1. METODE LEAST SQUARE
)
)
(
(
)
)
(
(
.
2
2
2
2
X
n
Y
Y
X
n
Y
X
XY
n
r
S
-S
S
-S
S
S
-S
=
2. METODE PRODUCT MOMENT
2
2
.
y
x
xy
r
S
S
S
=
Keterangan:
r
=
koefisien korelasi
x
=
deviasi rata-rata variabel X
=
y
=
deviasi rata-rata variabel Y
=
X X-X
X
-Y
Y
-CONTOH SOAL:
• JIKA Y = HASIL PANEN (DALAM KUINTAL) • X = PEMUPUKAN (DALAM 10 KG)'
• BERIKUT INI DIBERIKAN HASIL PENGAMATAN PEMUPUKAN DAN HASIL PANEN PADI UNTUK 5 PERCOBAAN YANG TELAH DILAKUKAN.
CONTOH SOAL:
X
3
6
9
10
13
Y
12
23
24
26
28
a.
Tentukan koefisien korelasinya (r) dengan
metode least square dan metode product moment!
b.
Sebutkan jenis korelasinya dan apa artinya!
PENYELESAIAN:
X Y X2 Y2 XY x y x2 y2 xy 3 6 9 10 13 12 23 24 26 28 9 36 81 100 169 144 529 576 676 784 36 138 216 260 364 -5,2 -2,2 0,8 1,8 4,8 -10,6 0,4 1,4 3,4 5,4 27,04 4,84 0,64 3,24 23,04 112,36 0,16 1,96 11,56 29,16 55,12 -0,88 1,12 6,12 25,92 Σ : 41 113 395 2.709 1.014 58,80 155,20 87,40A. METODE LEAST SQUARE
)
)
(
(
)
)
(
(
.
2 2 2 2X
n
Y
Y
X
n
Y
X
XY
n
S
-S
S
-S
S
S
-S
=
)
)
113
(
)
2709
)(
5
((
)
)
41
(
)
395
)(
5
((
)
113
)(
41
(
)
014
.
1
)(
5
(
2 2-=
776
.
294
437
=
= 0,91
144
.
228
437
=
64
,
477
437
=
KOEFISIEN KORELASI RANK
SPEARMAN
KOEFISIEN KOREIASI RANK SPEARMAN ADALAH INDEKS ATAU ANGKA
YANG DIG UNTUK MENGUKUR KEERATAN HUBUNGAN ANTARA DUA
VARIABEL
YANG
DATANYA
BERBENTUK
DATA
ORDINAL
(DATA
BERTINGKAT/DATA RANKING). DISIMBOLKAN DENGAN “R
S”.
KOEFISIEN KORELASI RANK SPEARMAN
DIRUMUSKAN:
)
1
(
6
1
2
2
-S
-=
n
n
d
r
s
Keterangan:
r
s=koefisien korelasi rank Spearman
d
=selisih dalam ranking
UNTUK MENGHITUNG KOEFISIEN KORELASI RANK,
DAPAT DIGUNAKAN LANGKAH-LANGKAH BERIKUT
.
1.
NILAI PENGAMATAN DARI DUA VARIABEL YANG AKAN
DIUKUR HUBUNGANNYA DIBERI RANKING. PEMBERIAN
RANKING DIMULAI DARI DATA TERBESAR ATAU TERKECIL.
JIKA RANKING SAMA, DIAMBIL RATA-RATA.
2.
SETIAP PASANG RANKING DIHITUNG PERBEDAANNYA.
3.
PERBEDAAN
SETIAP
PASANG
RANKING
TERSEBUT
DIKUADRATKAN DAN DIHITUNG JUMLAHNYA.
CONTOH SOAL: BERIKUT INI DATA MENGENAI NILAI MATEMATIKA DAN STATISTIK DARI
10 MAHASISWA.
TABEL 8.4 NILAI MATEMATIKA DAN STATISTIK DARI 10 MAHASISWA
Matematika
82 75
85
70
77
60
63
66
80
89
Statistik
79 80
89
65
67
62
61
68
81
84
a. Hitunglah koefisien korelasi ranknya!
PENYELESAIAN:
UNTUK
PERHITUNGAN,
NILAI
MATEMATIKA
DISEBUT
SEBAGAI
VARIABEL X DAN NILAI STATISTIK DISEBUT SEBAGAI VARIABEL Y.
X
Y
Ranking X
Ranking Y
d
d
282
75
85
70
77
60
63
66
80
89
79
80
89
65
67
62
61
68
81
84
8
5
9
4
6
1
2
3
7
10
6
7
10
3
4
2
l
5
8
9
+2
-2
-1
+1
+2
-1
+1
-2
-1
+1
4
4
1
1
4
1
1
4
1
1
Jumlah
22
PENEYELESAIAN
)
1
(
6
1
2
2
-S
-n
n
d
)
1
10
(
10
)
22
(
6
1
2
-a. rs =
=
1 – 0,133
=
0,867
b. korelasi
positif dan
kuat, artinya
jika nilai
matematika
tinggi maka
nilai statistik
juga cenderung
tinggi.
LATIHAN SESI 10
PENGARUH JUMLAH DIKLAT TEKNIS (X) TERHADAP PRODUKTIVITAS KERJA (Y) PEGAWAI PADA SEBUAH KANTOR SEBAGAI BERIKUT;
X
2
3
4
5
6
7
8
9
Y
4
5
6
5
7
7
9
10
Pertanyaan
1. Hitunglah KK dengan r (LS) dan rs!
2. Termasuk korelasi apa!
3. Berilah kesimpulan!
KOEFISIEN PENENTU (KP) ATAU
KOEFISIEN DETERMINASI (R
2
)
JIKA KOEFISIEN KORELASI DIKUADRATKAN AKAN MENJADI
KOEFISIEN PENENTU (KP) ATAU KOEFISIEN DETERMINASI,
YANG ARTINYA PENYEBAB PERUBAHAN PADA VARIABEL Y
YANG DATANG DARI VARIABEL X,
SEBESAR KUADRAT
KOEFISIEN
KORELASINYA.
KOEFISIEN
PENENTU
INI
MENJELASKAN BESARNYA PENGARUH NILAI SUATU VARIABEL
(VARIABEL X) TERHADAP NAIK/TURUNNYA (VARIASI) NILAI
VARIABEL LAINNYA (VARIABEL Y). KOEFISIEN PENENTU
DIRUMUSKAN:
RUMUS
KP = R
2
= (KK)
2
x
100%
KK= koefisien korelasi
Jika koefisien korelasinya adalah koefisien korelasi Pearson (
r ) maka koefisien penentunya adalah:
CONTOH SOAL:
DENGAN MENGGUNAKAN DATA PADA CONTOH SOAL PADA KOEFISIEN KORELASI PEARSON, TENTUKAN: KOEFISIEN PENENTUNYA. APA ARTINYA.
PENYELESAIAN:
DARI JAWABAN CONTOH SOAL TERSEBUT DIPEROLEH NILAI R = 0,91
KP
=
R
2X
100%
=
(0,91)
X
100%
=
0,8281
X
100%
=
82,81 %
PENGARUH VARIABEL X (PEMUPUKAN) TERHADAP NAIK TURUNNYA
(VARIASI) VARIABEL Y (HASIL PANEN) HANYA SEBESAR 82,81 %,
SELEBIHNYA 17,19% BERASAL DARI FAKTOR-FAKTOR LAIN, SEPERTI BIBIT,
CURAH HUJAN, DAN SEBAGAINYA, TETAPI TIDAK DIMASUKKAN DALAM
PERHITUNGAN.
REGRESI LINIER
•
REGRESI MERUPAKAN SUATU ALAT UKUR YANG JUGA
DIGUNAKAN UNTUK MENGUKUR ADA ATAU TIDAKNYA
KORELASI ANTAR VARIABEL.
•
ANALISIS REGRESI LEBIH AKURAT DALAM MELAKUKAN
ANALISIS
KORELASI,
KARENA
PADA
ANALISIS
ITU
KESULITAN DALAM MENUNJUKKAN SLOP (TINGKAT
PERUBAHAN
SUATU
VARIABEL
TERHADAP
VARIABEL
LAINNYA DAPAT DITENTUKAN). JADI, DENGAN ANALISIS
REGRESI, PERAMALAN ATAU PERKIRAAN NILAI VARIABEL
TERIKAT PADA NILAI VARIABEL BEBAS LEBIH AKURAT PULA.
REGRESI LINIER
•
REGRESI LINEAR ADALAH REGRESI YANG VARIABEL BEBASNYA
(VARIABEL X) BERPANGKAT PALING TINGGI SATU. UNTUK REGRE5I
LINEAR SEDERHANA, YAITU REGRESI LINEAR YANG HANYA
MELIBATKAN DUA VARIABEL (VARIABEL X DAN Y), PERSAMAAN
GARIS REGRESINYA DAPAT DITULISKAN DALAM DUA BENTUK, YAITU
SEBAGAI BERIKUT.
1. PERSAMAAN REGRESI LINEAR DARI Y
TERHADAP X
Y = a+bX
Dimana
Y
=
variabel terikat
X
=
variabel bebas
a
=
intersep
b
=
koefisien regresi/slop
2. PERSAMAAN REGRESI LINEAR
DARI X TERHADAP Y
X = a+bY
Dimana
X
=
Variabel terikat
Y
=
variabel bebas
a
=
intersep
b
=
koefisien regresi
Dari kedua bentuk persamaan regresi
linear di atas, yang paling umum
digunakan adalah persamaan regresi
berbentuk:
Y
=
a + bX
nilai
a
dan
b
dapat ditentukan dengan
RUMUS A DAN B
2
2
2
X
X
n
XY
X
X
Y
)
(
)
)(
(
)
(
)
(
)
(
)
(
S
-S
S
S
-S
S
a =
2
2
X
X
n
Y
X
XY
n
)
(
)
(
)
(
)
(
)
(
)
(
)
(
S
-S
S
S
-S
b =
CONTOH SOAL:
BERIKUT INI PULA MENGENAI PENGALAMAN KERJA DAN PENJUALAN.
X = PENGALAMAN KERJA (TAHUN)
Y = OMZET PENJUALAN (RIBUAN)
X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4
1. Buatkan persamaan garis regresinya Y’ = a + bX!
2. Berapa Omzet penjualan dari seorang karyawan
yang pengalaman kerjanya 10 tahun ?
3. Jika diinginkan omzet penjualan Rp.15.000
perusahaan harus mencari karyawan yang
berpengalam berapa tahun?
PENYELESAIAN
X Y X2 XY 2 3 2 5 6 1 4 1 5 8 8 7 11 3 10 4 4 9 4 25 36 1 16 1 10 24 16 35 66 3 40 4 24 56 96 1981. Menentukan Persamaan Regresi
)
24
(
)
24
(
)
96
(
)
8
(
)
198
(
)
24
(
)
96
(
)
56
(
-a =
2 2 2X
X
n
XY
X
X
Y
)
(
)
)(
(
)
(
)
(
)
(
)
(
S
-S
S
S
-S
S
=
-576
768
752
.
4
376
.
5
25
,
3
192
624
=
2
2
X
X
n
Y
X
XY
n
)
(
)
(
)
(
)
(
)
(
)
(
)
(
S
-S
S
S
-S
b =
)
24
(
)
24
(
)
96
(
)
8
(
)
56
(
)
24
(
)
198
(
)
8
(
-=
-576
768
344
.
1
584
.
1
25
,
1
192
240
=
à Tentukan nilai bbX
a
Y
'
=
+
Keterangan:
Y = omzet penjualan
3,25 = besarnya omzet penjualan jika pengalaman kerja 0 tahun 1,25 = perubahan/ pertambahan omzet penjualan jika pengalaman
kerja bertambah satu tahun X = pengalaman kerja
Y = 3,25 + 1,25 X
Berdasarkan perhitungan diperoleh: Nilai a = 3,25 dan
Nilai b = + 1,25
2) Jika diketahui pengalaman kerja karyawan= 10 tahun tentukan prediksi omzet penjualannya!
à Jawab:
= 3,25 + 12,5
= 15,75
Berdasararkan perhitungan tersebut jika pengalaman kerja 10 tahun diprediksi omzet penjualan sebesar Rp. 15.750 (15,75 x 1000 à berdasar contoh soal satuan dalam ribuan)