KORELASI and REGRESI PUSAT PENDIDIKAN DA (1)

(1)

KORELASI & REGRESI

(2)

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

(3)

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

(4)

KUAT LEMAHNYA HUBUNGAN

• Kuat lemahnya hubungan dilihat melalui nilai koefisien korelasi “ r “

• Jika nilai r ≈ 1 atau r ≈ -1  terjadi hubungan yg kuat

kuat

(5)

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

(6)

Correlations

Correlation is significant at the 0.01 level (2-tailed).

**.

(7)

JENIS HUBUNGAN

Y Y

Dilihat dari nilai koefieien korelasi “ r “

X

X Hubungan Positif

r = +

(8)

-Prosedur analisa korelasi

• Parametrik Jenis datanya kuantitatif, korelasi Pearson

• NonParametrik  Jenis datanya Ordinal, Korelasi

Spearman & Kendall’s-tau b

HIPOTESA :

(9)

(10)

TUJUAN

• Melihat ada/tidak hubungan Linier antara sebuah variabel Dependent (kuantitative) dengan beberapa variabel Independent (kuantitative)  bersifat sistem

• Melihat kuat/lemahnya hubunga antar variabel Dependent dengan variabel Independent

• Memprediksi besarnya nilai variabel

(11)

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,

(12)

METODE PENDUGAAN PARAMETER

 Metode yg digunakan Metode Kuadrat Terkecil Umum ( Ordinary Least Square Estimator)

(13)

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)

(14)

MODEL

 Dependent Variabel

(15)

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: β_i= 0 , p = 1,2,3 …p ( Tidak berpengaruh)

H1: β_i ≠ 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

(16)

Asumsi Error

• Error terdistribusi Normal (PP-Plot , Histogram)

• Antar error tidak saling berkorelasi / Autocorelation (Durbin Watson)

• Variansi error homogen / Homokedatisitas (Scarter

(17)

MULTIKOLOLINIERITAS #1

• Arti : Korelasi yg terjadi antar var Independent

• Penyebab :

– Mengukur indikator var X yg sama (pendapatan & Pengeluaran)

– Jum var X > jum data

• Jenisnya ada dua : Multikol sempurna & Kurang sempurna

• Akibat multikol :

– Sempurna : Koefisien regresi tdk dapt dihitung, variansinya tak terhingga

(18)

MULTIKOLOLINIERITAS #2

• Deteksi multikol: Nilai VIF > 10

• Mengatasinya :

– Buang salah satu variabel yg berkorelasi

– Menggabung variabel yg saling berkorelasi

– Trasformasi variabel

– Penambahan data

(19)

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

(20)

Autokoralasi

• Arti : error saling berkorelasi

• Penyebab :

– Data diambil dari sequance system

– Data time series

(21)

KOEFISIEN DETERMINASI

JKE JKT

JKR

r2   

Ukuran mengenai besarnya variabel Independent berpengaruh terhadap variabel Dependent

(22)

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

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

(23)

(24)

REGRESI DUMMY

• Ada kalanya yang menjadi prediktor (variabel independent/X) merupakan katagori

• Rubah variabel prediktor yang katagori menjadi variabel dummy (variabel 0 & 1)

menjadi variabel dummy (variabel 0 & 1)

Cth : Laki2x = 0 (Katagori reference)  Pengontrol Perempuan = 1

• Banyaknya variabel dummy :

(25)

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?

(26)

Info Pelatihan : http:// research-indonesia.blogspot.com

Hp : 081283735070