1 / 27

ANALISIS KORELASI dan REGRESI LINEAR SEDERHANA

ANALISIS KORELASI dan REGRESI LINEAR SEDERHANA. Hubungan dua kejadian yang dinyatakan dengan hubungan 2 variabel. Misal : Variabel X dan Y. Koefisien Korelasi & Kegunaannya. Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antar variabel.

jase
Download Presentation

ANALISIS KORELASI dan REGRESI LINEAR SEDERHANA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ANALISIS KORELASI dan REGRESI LINEAR SEDERHANA Hubungan dua kejadian yang dinyatakan dengan hubungan 2 variabel. Misal : Variabel X dan Y

  2. Koefisien Korelasi & Kegunaannya • Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antar variabel. • Analisis Korelasi adalah cara untuk mengetahui ada atau tidak adanya hubungan antar variabel. • Dari analisis korelasi, dapat diketahui hubungan antar variabel, yaitu merupakan suatu hubungan kebetulan atau memang hubungan yang sebenarnya dan saling mempengaruhi.

  3. Apa perlunya mengetahui hubungan antar variabel ? Di dalam perencanaan, diperlukan data hasil ramalan yang menggambarkan kemampuan di masa yang akan datang.

  4. Variabel Bebas( Independent Variable ) • Adalah variabel yang nilai-nilainya tidak bergantung pada variabel lainnya. • Dilambangkan X • Variabel X digunakan untuk meramalkan atau menerangkan nilai variabel yang lain.

  5. Variabel Tidak Bebas/ Terikat(Dependent Variable) • Adalah variabel yang nilai-nilainya bergantung pada variabel lainnya. • Dilambangkan Y • Variabel Y merupakan variabel yang diramalkan atau diterangkan nilainya.

  6. Korelasi Positif Korelasi positif adalah korelasi dari dua variabel, apabila variabel yang satu ( X ) meningkat atau menurun maka variabel lainnya ( Y ) cenderung untuk meningkat atau menurun pula.

  7. Korelasi Negatif Korelasi negatif adalah korelasi dari dua variabel, apabila variabel yang satu ( X ) meningkat atau menurun maka variabel lainnya ( Y ) cenderung menurun atau meningkat.

  8. Korelasi Sempurna Korelasi sempurna adalah korelasi dari dua variabel, yaitu apabila kenaikan atau penurunan variabel yang satu (X) berbanding dengan kenaikan atau penurunan variabel lainnya (Y).

  9. Koefisien Korelasi ( r ) • Suatu nilai untuk mengukur kuat dan tidaknya hubungan antara X dan Y apabila dapat dinyatakan dengan fungsi linear. -1  r  1 • Jika r = 1, hubungan sempurna & positif • Jika r = -1, hubungan sempurna & negatif • Jika r = 0, hubungan lemah / tidak ada.

  10. Koefisien Penentuan ( KP ) • Koefisien untuk menghitung besarnya kontribusi dari X terhadap naik turunnya nilai Y. KP = r 2

  11. Koefisien Korelasi Pearson Metode Product Moment :

  12. Metode Least Square

  13. Korelasi Rank ( Peringkat ) • Indeks atau angka yang digunakan untuk mengukur keeratan hubungan antara 2 variabel yang datanya berbentuk data ordinal ( data bertingkat / data ranking) • Dilambangkan “ rrank “ • Korelasi Rank Spearman

  14. Koefisien Korelasi Rank Spearman

  15. Korelasi Data Kualitatif( Koefisien Bersyarat) • Data kualitatif adalah data yang tidak berbentuk angka-angka. • Koefisien korelasi dilambangkan C • Interval nilai C : -1  C  1

  16. Rumus Koefisien Bersyarat Keterangan : = khi kuadrat n = jumlah semua frekuensi Cc = koefisien korelasi bersyarat

  17. Rumus Khi Kuadrat Keterangan : fij = frekuensi kategori i dan j eij = frekuensi harapan kategori i dan j

  18. Kategori Cc < 0,50 maka hubungan lemah 0,50 ≤ Cc < 0,75 maka hubungan sedang/cukup 0,75 ≤ Cc < 0,90 maka hubungan kuat 0,90 ≤ Cc < 1 maka hubungan sangat kuat Sama dengan 1 maka hubungan sempurna

  19. TEKNIK RAMALAN DAN ANALISIS REGRESI Menghitung suatu perkiraan atau persamaan regresi yang akan menjelaskan hubungan antara 2 variabel. Regresi sederhana mengenai hubungan antara 2 variabel yang biasanya cukup tepat dinyatakan dalam suatu garis lurus.

  20. Diagram Pencar ( Scatter Diagram ) Suatu alat berupa diagram untuk menunjukan ada atau tidaknya korelasi antara variabel X dan Y yang berupa penggambaran nilai-nilai dari variabel-variabel. Setiap titik memperlihatkan suatu hasil yang mempunyai nilai sebagai bebas maupun variabel tak bebas.

  21. Manfaat Diagram Pencar • Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara 2 variabel • Membantu menetapkan jenis persamaan yang menunjukan hubungan antara 2 variabel.

  22. Persamaan Regresi Linear • Garis Regresi atau garis perkiraan adalah garis lurus yang memperlihatkan hubungan antara 2 variabel. • Persamaan Regresi atau Persamaan Perkiraan adalah persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram pencar.

  23. Bentuk Persamaan Regresi Y’ = a + b X Dimana : a = Y pintasan, ( nilai Y’ bila X = 0) b = kemiringan garis regresi X = nilai tertentu dari variabel bebas Y’= nilai yang dihitung pada variabel tidak bebas.

  24. Menghitung nilai a dan b

More Related