KORELASI & REGRESI
KORELASI
Tujuan :
• Untuk melihat ada tidaknya hubungan antara dua buah variabel (minimal berskala ordinal)
• Melihat kuat lemahnya hubungan
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
• Melihat kuat lemahnya hubungan
Melihat ada tidaknya hubungan
• Berdasarkan nilai koefiesien korelasi “ r “
-1 ≤ r ≤ 1
Nilai r ≈ 0 tidak ada hubungan
Nilai r ≈ -1 atau r ≈1 ada hubungan
HIPOTESA :
Ho : Tidak Ada Hubungan / Korelasi H1 : Ada Hubungan / Korelasi
KUAT LEMAHNYA HUBUNGAN
• Kuat lemahnya hubungan dilihat melalui nilai koefisien korelasi “ r “
• Jika nilai r ≈ 1 atau r ≈ -1 terjadi hubungan yg kuat
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
kuat
Kelemahan nilai koefisien
korelasi
• Nilai koefisien korelasi sangat tergantung pada banyaknya data
• Untuk data yang jumlahnya banyak r = 0.2 , sudah dikatakan terjadi korelasi
“ r “
sudah dikatakan terjadi korelasi
• Untuk data yang berjumlah sedikit r = 0.4 , belum tentu terjadi korelasi
Nilai “r” merupakan besaran yang relatif
Correlations
Correlation is significant at the 0.01 level (2-tailed).
**.
JENIS HUBUNGAN
Y Y
Dilihat dari nilai koefieien korelasi “ r “
X
X Hubungan Positif
r = +
-Prosedur analisa korelasi
• Parametrik Jenis datanya kuantitatif, korelasi Pearson
• NonParametrik Jenis datanya Ordinal, Korelasi
Spearman & Kendall’s-tau b
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
Spearman & Kendall’s-tau b
HIPOTESA :
TUJUAN
• Melihat ada/tidak hubungan Linier antara sebuah variabel Dependent (kuantitative) dengan beberapa variabel Independent (kuantitative) bersifat sistem
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
• Melihat kuat/lemahnya hubunga antar variabel Dependent dengan variabel Independent
• Memprediksi besarnya nilai variabel
PERBEDAAN KORELASI & REGRESI
• Analisa korelasi merupakan hubungan
langsung antara dua buah variabel tampa dipengaruhi oleh variabel lain ( Variabel lain dianggap konstan/katerisparibus)
dianggap konstan/katerisparibus)
• Analisa Regresi merupakan analisa sistem,
METODE PENDUGAAN PARAMETER
Metode yg digunakan Metode Kuadrat Terkecil Umum ( Ordinary Least Square Estimator)
PEMBUTAN MODEL
• Hal-hal yang perlu diperhatikan dalam pembuatan model:
– Penentuan Variabel dependent & independent (berdasarkan hipotesis, mana yg lebih mudah (berdasarkan hipotesis, mana yg lebih mudah diukur)
MODEL
Dependent Variabel
Langkah-langkah Analisa Regresi
• Menguji apakah variabel independent berpengaruh terhadap variabel dependen (harus berpengaruh)
– Hip : Ho: β = 0 ( Tidak berpengaruh) Uji ANOVA H1: β ≠ 0 (Berpengaruh)
• Uji parsial Untuk menguji var independent mana saja yang berpengaruh pada var dependent
var dependent
– Hip : Ho: βi= 0 , p = 1,2,3 …p ( Tidak berpengaruh)
H1: βi ≠ 0 , p = 1,2,3 …p (Berpengaruh) Uji t-test
• Melihat asumsi Error ( untuk prediksi )
• Melihat adanya tidaknya Multikololinieritas (korelasi antar var independent) Nilai VIF < 10
Asumsi Error
• Error terdistribusi Normal (PP-Plot , Histogram)
• Antar error tidak saling berkorelasi / Autocorelation (Durbin Watson)
• Variansi error homogen / Homokedatisitas (Scarter
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
MULTIKOLOLINIERITAS #1
• Arti : Korelasi yg terjadi antar var Independent
• Penyebab :
– Mengukur indikator var X yg sama (pendapatan & Pengeluaran)
– Jum var X > jum data
– Jum var X > jum data
• Jenisnya ada dua : Multikol sempurna & Kurang sempurna
• Akibat multikol :
– Sempurna : Koefisien regresi tdk dapt dihitung, variansinya tak terhingga
MULTIKOLOLINIERITAS #2
• Deteksi multikol: Nilai VIF > 10
• Mengatasinya :
– Buang salah satu variabel yg berkorelasi
– Menggabung variabel yg saling berkorelasi
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
– Menggabung variabel yg saling berkorelasi
– Trasformasi variabel
– Penambahan data
Heteroledastisitas/Homokedastisitas
Arti : Kesamaan variansi di setiap nilai prediksi
Penyebab :
◦ Adanya proses pembelajaran ◦ Adanya outlier
◦ kemencengan dari beberapa var yg diukur ◦ Kesalahan fungsi atau trasformasi
◦ Kesalahan fungsi atau trasformasi
Deteksi
◦ Scarter plot
◦ Pengujian : Part test, Glejser test, Spearman Correlation test, Goldfeld-quandt, Breusch-pagan-godfrey , White’s General Heteroskedastisiti
Autokoralasi
• Arti : error saling berkorelasi
• Penyebab :
– Data diambil dari sequance system
– Data time series
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
– Data time series
KOEFISIEN DETERMINASI
JKE JKT
JKR
r2
Ukuran mengenai besarnya variabel Independent berpengaruh terhadap variabel Dependent
Metode Pembuatan Model
Enter : Semua variabel X dimasukan dalam model, yg
tidak signifikan dibuang secara manual
Forward : Varibel X dimasukan satu persatu dimulai dari
yang paling besar pengaruhnya terus sampai yg paling kecil. Yg tdk berpengaruh tdk dimasukan dlm model
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
kecil. Yg tdk berpengaruh tdk dimasukan dlm model
Backward : variabel X dimasukn semua dlm model,
kemudian var yg tak berpengaruh dibuang satu-persatu dari yg paling tidak berpengaruh
REGRESI DUMMY
• Ada kalanya yang menjadi prediktor (variabel independent/X) merupakan katagori
• Rubah variabel prediktor yang katagori menjadi variabel dummy (variabel 0 & 1)
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA
menjadi variabel dummy (variabel 0 & 1)
Cth : Laki2x = 0 (Katagori reference) Pengontrol Perempuan = 1
• Banyaknya variabel dummy :
Reference Catagory
• Katagori dasar yang menjadi rujukan dalam analisa.
• Contoh apakah semakin tinggi pendidikan akan semakin baik tongkat ekonomi
akan semakin baik tongkat ekonomi seseoarang?
Info Pelatihan : http:// research-indonesia.blogspot.com
Hp : 081283735070