slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
HUBUNGAN ANTARA DUA SIFAT (VARIABEL) PowerPoint Presentation
Download Presentation
HUBUNGAN ANTARA DUA SIFAT (VARIABEL)

Loading in 2 Seconds...

play fullscreen
1 / 109

HUBUNGAN ANTARA DUA SIFAT (VARIABEL) - PowerPoint PPT Presentation


  • 240 Views
  • Uploaded on

Bahan kajian pada mk. Dasar statistika. HUBUNGAN ANTARA DUA SIFAT (VARIABEL). Diunduh dari : SMNO FPUB….. 12/10/2012. H UBUNGAN ANTAR VARIABEL . H ubungan antar variabel dapat dikelompokan kedalam tiga macam hubungan yaitu : Hubungan Timbal balik Hubungan Simetris

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

HUBUNGAN ANTARA DUA SIFAT (VARIABEL)


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
  1. Bahankajianpada mk. Dasarstatistika HUBUNGAN ANTARA DUA SIFAT (VARIABEL) Diunduhdari: SMNO FPUB….. 12/10/2012

  2. HUBUNGAN ANTAR VARIABEL • Hubungan antar variabel dapat dikelompokan kedalam tiga macam hubungan yaitu : • Hubungan Timbal balik • Hubungan Simetris • Hubungan Asimetris • Hubungan timbal balikadalah hubungan antara variabel satu dengan variabel lain dimana masing-masing variabel dapat menjadi sebab dan juga akibat, dalam hubungan macam ini sulit ditentukan mana variabel penyebab dan mana variabel akibat, karena bisa saja pada satu saat menjadi penyebab dan pada saat lain menjadi akibat. Diunduhdari: ….. 10/10/2012

  3. HUBUNGAN ANTAR VARIABEL Hubungan Simetris adalah hubungan dimana variabel yang satu tidak disebabkan atau dipengaruhi oleh variabel lainnya, hal ini dapat terjadi bila variabel-varibel : Merupakan indikator dari konsep yang sama; Merupakan akibat dari faktor yang sama; Berhubungan secara kebetulan. Apabila dalam fakta-fakta penelitian ditemukan macam hubungan yang demikian maka diperlukan pengkajian yang lebih mendalam tentang kemungkinan-kemungkinan terdapatnya variabel-variabel lain yang berpengaruh. Diunduhdari: ….. 10/10/2012

  4. HUBUNGAN ANTAR VARIABEL Hubungan Asimetris adalah hubungan apabila terdapat suatu variabel yang mempengaruhi variabel lainnya. Terdapat enam tipe hubungan asimetris yaitu hubungan antara : Stimulus dan respon; Disposisi dan Respon; Ciri individu dan Tingkah laku; Prakondisi dan akibat; Immanen; Tujuan dan cara. Diunduhdari: ….. 10/10/2012

  5. KORELASI DAN KAUSALITAS Adaperbedaanmendasarantarakorelasidankausalitas. Jikaduavariabeldikatakanberkorelasi, makavariabel yang satumempengaruhivariabel yang lain ataudengankata lain terdapathubungankausalitas; padahalbelumtentudemikian. Hubungankausalitasterjadijikavariabel X mempengaruhi Y. Untukmenganalisishubungankausalitasdapatmenggunakan model-model yang lebihtepat, misalnyaregresi, analisisjalurdanstructural equation model (SEM). Diunduhdari: ….. 10/10/2012

  6. KORELASI • Asumsidasarkorelasi : • Keduavariabelbersifatindependensatudenganlainnya, artinyamasing-masingvariabelberdirisendiridantidaktergantungsatudenganlainnya. Tidakadaistilahvariabelbebasdanvariabeltergantung. • Data untukkeduavariabelberdistribusi normal. Data yang mempunyaidistribusi normal artinya data yang distribusinyasimetrissempurna. Diunduhdari: ….. 10/10/2012

  7. KarakteristikKorelasi Korelasimempunyaikarakteristik-karakteristikdiantaranya: KisaranKorelasi Kisaran (range) korelasimulaidari 0 sampaidengan 1. Korelasidapatpositifdandapat pula negatif. 2. KorelasiSamaDenganNol Korelasisamadengan 0 mempunyaiartitidakadahubunganantaraduavariabel. 3. KorelasiSamaDenganSatu Korelasisamadengan + 1 artinyakeduavariabelmempunyaihubungan linier sempurna (membentukgarislurus) positif. Korelasisempurnasepertiinimempunyaimaknajikanilai X naik, maka Y juganaik. Diunduhdari: ….. 10/10/2012

  8. KORELASI LINEAR KORELASI LINEAR

  9. KORELASI LINEAR Untukmengetahuiderajadhubunganantaraduavariabel Contoh : Hubungan antara 1. Tingkat penggunaan dosis pupuk Urea dengan hasil panen jagung 2. Jarak tanam jagung dengan hasil tongkol 3. Banyaknya tongkol dalam satu batang jagung dengan total produksi biji

  10. KORELASI LINEAR Koefisienkorelasi (r) : kuatlemahnyahubunganantaraduavariabel. Koefisienkorelasi : 0 – (+1) : korelasipositif (direct correlation) 0 – (–1) : korelasinegatif (inverse correlation) r = 0 antara 2 variabeltidakadakorelasi r = +1  antara 2 variabelberkorelasipositifsempurna r = -1 antara 2 variabelberkorelasinegatifsempurna

  11. KORELASI LINEAR Y Y KorelasipositifKorelasinegatif X X

  12. KORELASI LINEAR Biasanya nilai r tidak persis 0, +1 atau –1. r = 0,7 – 1 (plus/minus)  derajad hubungan : tinggi r = > 0,4 – < 0,7 (plus/minus)  derajad hubungan : sedang r = > 0,2 – < 0,4 (plus/minus)  derajad hubungan : rendah r = < 0,2 (plus/minus)  dapat diabaikan

  13. KORELASI LINEAR Tabel 1. Hasil jagung dengan dosis pemupukan urea

  14. KORELASI LINEAR RumusKoefisienkorelasi (r)

  15. KORELASI LINEAR Tabel 1. Hasil jagung dengan dosis pemupukan urea

  16. KORELASI LINEAR Penyelesaian :

  17. KORELASI LINEAR •  Ada hubungan yang kuat antara tingkat pemupukan dengan hasil panen jagung •  Semakin tinggi tingkat pemupukan, semakin banyak pula hasil panennya

  18. KoefesienKorelasi • Koefesienkorelasiialahpengukuranstatistikantaraduavariabel. Besarnyakoefesienkorelasiberkisarantara +1 s/d -1. Koefesienkorelasimenunjukkankekuatan (strength) hubungan linear danarahhubunganduavariabelacak. • Untukmemudahkanmelakukaninterpretasimengenaikekuatanhubunganantaraduavariabel , menurutSarwono (2006): • 0 : Tidakadakorelasiantaraduavariabel • >0 – 0,25 : Korelasisangatlemah • >0,25 – 0,5 : Korelasicukup • >0,5 – 0,75 : Korelasikuat • >0,75 – 0,99 : Korelasisangatkuat • 1 : Korelasisempurna Diunduhdari: ….. 10/10/2012

  19. SIGNIFIKANSI KORELASI Apasebenarnyasignifikansiitu? DalambahasaInggris, kata, "significant" mempunyaimakna “penting”; sedangdalampengertianstatistikkata “significant” mempunyaimakna “benar” (tidakterjadisecarakebetulan). Jikakitamemilihsignifikansi (α) sebesar 0,01, makaartinyakitamenentukanhasilrisetnantimempunyaipeluanguntukbenarsebesar 99% danpeluanguntuksalahsebesar 1%. Secaraumumkitamenggunakanangkasignifikansisebesar 0,01; 0,05 dan 0,1. Diunduhdari: ….. 10/10/2012

  20. InterpretasiKorelasi • Adatigapenafsiranhasilanalisiskorelasi, meliputi: pertama, melihatkekuatanhubunganduavariabel; kedua, melihatsignifikansihubungan; danketiga, melihatarahhubungan. • Untukmelakukaninterpretasikekuatanhubunganantaraduavariabeldilakukandenganmelihatangkakoefesienkorelasihasilperhitungandenganmenggunakankriteriasbb: • Jikaangkakoefesienkorelasimenunjukkan 0, makakeduavariabeltidakmempunyaihubungan • Jikaangkakoefesienkorelasimendekati 1, makakeduavariabelmempunyaihubungansemakinkuat • Jikaangkakoefesienkorelasimendekati 0, makakeduavariabelmempunyaihubungansemakinlemah • Jikaangkakoefesienkorelasisamadengan 1, makakeduavariabelmempunyaihubungan linier sempurnapositif. • Jikaangkakoefesienkorelasisamadengan -1, makakeduavariabelmempunyaihubungan linier sempurnanegatif. • Interpretasiberikutnyamelihatsignifikansihubunganduavariabeldengandidasarkanpadaangkasignifikansi yang dihasilkandaripenghitungandenganketentuansebagaimanasudahdibahasdibagian 2.7. diatas. Interpretasiiniakanmembuktikanapakahhubungankeduavariabeltersebutsignifikanatautidak. • Interpretasiketigamelihatarahkorelasi. Dalamkorelasiadaduaarahkorelasi, yaitusearahdantidaksearah. Pada SPSS haliniditandaidenganpesantwo tailed.Arahkorelasidilihatdariangkakoefesienkorelasi. Jikakoefesienkorelasipositif, makahubungankeduavariabelsearah. Searahartinyajikavariabel X nilainyatinggi, makavariabel Y jugatinggi. Jikakoefesienkorelasinegatif, makahubungankeduavariabeltidaksearah. Tidaksearahartinyajikavariabel X nilainyatinggi, makavariabel Y akanrendah. • Dalamkasus, misalnyahubunganantarakepuasankerjadankomitmenterhadaporganisasisebesar 0,86 denganangkasignifikansisebesar 0 akanmempunyaimaknabahwahubunganantaravariabelkepuasankerjadankomitmenterhadaporganisasisangatkuat, signifikandansearah. Sebaliknyadalamkasushubunganantaravariabelmangkirkerjadenganproduktivitassebesar -0,86, denganangkasignifikansisebesar 0; makahubungankeduavariabelsangatkuat, signifikandantidaksearah. Diunduhdari: ….. 10/10/2012

  21. UjiHipotesis • Pengujianhipotesisuintukkorelasidigunakanuji-t. Rumusnyasebagaiberikut: • Pengambilankeputusanmenggunakanangkapembanding t -tabeldengankriteriasebagaiberikut: • ·        Jika t-hitung > t-table H0 ditolak; H1 diterima • ·        Jika t-hitung < t-table H0 diterima; H1 ditolak Diunduhdari: ….. 10/10/2012

  22. KoefesienDeterminasi Koefisienditerminasidengansimbol r2 atau R merupakanproporsivariabilitas data yang dihitungdengan model statistik. Koefisiendeterminasi r2 merupakanrasiovariabilitasnilai-nilai yang dibuat model denganvariabilitas data hasilobservasi. Secaraumum r2 digunakansebagaiinformasimengenaikecocokansuatu model. DalamAnalisisregresi , r2 inidijadikansebagaipengukuranseberapabaikgarisregresimendekatinilai data asli. Jika r2 samadengan 1, makaangkatersebutmenunjukkangarisregresicocokdengan data secarasempurna. Diunduhdari: ….. 10/10/2012

  23. KoefesienDeterminasi Interpretasi lain ialahbahwa r2 diartikansebagaiproporsivariasirespon (variabeltidak-bebas) yang diterangkanolehregresor (variabelbebas, X) dalam model. Jika r2 = 1 berartibahwa model regresidapatmenerangkansemuavariabilitasvariabel Y. Jika r2 = 0 berartibahwatidakadahubunganantaravariabel X denganvariabel Y. Jika r2 = 0,8 berartibahwasebesar 80% variasivariabel Y dapatdijelaskanolehvariabel X; sedangkansisanya 20% dipengaruhiolehvariabel lain yang tidakdiketahuiatauvariabilitas yang inheren. Diunduhdari: ….. 10/10/2012

  24. PenggunaanAnalisisKorelasi Diunduhdari: ….. 10/10/2012

  25. Pertanyaan-Pertanyaan • Apakegunaanpokokteknikanalisiskorelasi? • Bagaimanakedudukanvariabeldalamkorelasi? • Apamaksudkorelasisamadengan 0? • Apamaksudkorelasitidaksamadengan 0? • Apamaksudkorelasisamadengan + 1? • Apamaksudkorelasisamadengan -1? • Kapankitadapatmenggunakanteknikkorelasi? • Apaperbedaanantarakorelasidankausalitas? • Apasajaasumsidalammenggunakankorelasi? • Sebutkankarakteristikkorelasi ! • Apa yang dimaksuddengankoefesienkorelasi? Berikancontohnya! • Apamaknasignifikansidalamkorelasi? • Apasajahasilinterpretasidalamanalisiskorelasi? • Bagaimanamelakukanpengujianhipotesisdalamkorelasi? • Apaitukoefisiendeterminasi? • Perlukahkitamenghitungkoefesiendeterminasidalamkorelasi? Berikanpenjelasannya. Diunduhdari: smnofpub….. 10/10/2012

  26. KORELASI GANDA Koefisienkorelasigandamencerminkanarahdankuatnyahubunganantaradua (lebih) variabelsecarabersama-samadengansatuvariabellainnya. Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  27. KorelasiGandaduavariabel (X1 dan X2) dengansatuvariabellainnya (Y) X1 r1 R Y X2 r2 r1 : korelasi X1dgn Y r2 : korelasi X2dgn Y R : korelasi X1dan X2dengan Y Tetapi R ≠ r1 + r2 Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  28. RUMUS KOEFISIEN KORELASI GANDA RyX1X2 = Di mana : Ryx1x2 : korelasiantara X1 dan X2 bersama-samadengan Y ryx1 : korelasi product moment Y dengan X1 ryx2 : korelasi product moment Y dengan X2 rx1x2 : korelasi product meoment X1 dengan X2 Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  29. UJI SIGNIFIKANSI R Fh = Di mana : R : koefisienkorelasiganda k : banyaknyavariabelindependen n : banyaknyaanggotasampel • Konsultasikandengantabel F; dengandkpembilang = k dandkpenyebut = n – k -1. • JikaFh > F tabel, makahipotesisalternatifditerima. Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  30. CarikoefisienkorelasigandaantaraX1dan X2dengan Y. Nilai R dapatdiperolehdenganrumus : RyX1X2 = Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  31. KORELASI PARSIAL ….. Hubunganantaravariabeldependent dengan (lebihdarisdatu) variabel independent, dengansalahsatuvariabelindependent dianggaptetap….. Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  32. RUMUS KOEFISIEN KORELASI PARSIAL Ry.x1x2 = Korelasiparsialantara X1dengan Y; dimanaX2dianggaptetap. Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  33. HitunglahkoefisienkorelasiparsialantaraX1dng Y (X2dianggaptetap) Perhitungannya: Diunduhdari: smnofpub ….. 10/10/2012

  34. RumusKoef. Korelasi Partial Ry.x2x1 = Koefisienkorelasiparsialantara X2dengan Y; dimana X1dianggaptetap. Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  35. UjiSignifikansiKoefisienkorelasiparsial Rumus t-hitung; dengandb = n – 1 t-hitung= Rp: koefisienkorelasiparsial Jikat hitung > t tabel, hipotesisalternatifditerima Diunduhdari: budimurtiyasa.files.wordpress.com/2008/09/statistik_korelasi.ppt ….. 10/10/2012

  36. CarikorelasiparsialantaraX2dng Y (X1dianggaptetap); ujiSignifikansinya ! Perhitungannya: Diunduhdari: smnofpub ….. 10/10/2012

  37. Ujisignifikansikoefisienkorelasi Tabel r (Koefisienkorelasisederhana) r-hitung > r-tabel 5%: adakorelasinyata r-hitung > r-tabel 1% : adakorelasisnagatnyata r-hitung < r-tabel 5%: tidakadakorelasi yang nyata (signifikan) db = df = n-2

  38. Analisiskorelasiantarabiaya produksidanhasilproduksi.

  39. Analisiskorelasiantarabiaya produksidanhasilproduksi. • UJI SIGNIFIKANSI KOEFISIEN KORELASI • Untuk mengetahui signifikan tidaknya hubungan antara duavariabel , perlu dilakukan uji hipotesis terhadap koefisien korelasi, dengan langkah – langkah sbb :

  40. Analisiskorelasiantarabiaya produksidanhasilproduksi. (1). Perumusan Hipotesis Jika diduga bahwa variabel biayaproduksimempunyai korelasiyang signifikan (nyata) dengan variabel hasilproduksi, maka rumusan hipotesisnya adalah : H0 :  = 0 (Tidak ada korelasi yang signifikanantara biayaproduksidanhasilproduksi) H1 :  > 0 (Adakorelasiyang signifikanantara biayaproduksidanhasilproduksi) 2). Menentukan taraf nyata (level of signifance ) α, misalnya 5%

  41. Analisiskorelasiantarabiaya produksidanhasilproduksi. (3). Menetukan titik kritis (daerah penerimaan / penolakan H0). Titik kritis dicari dengan bantuan Tabel –t (t distribution) . Nilai t-tabel ditentukan berdasarkan tingkat signifikansi (α) yang digunakan dan derajat bebas (db) atau degree of freedom (df), db = n-2, dimana n adalahbanyaknyasampel. Misalnya α = 0.05, n=8, db = 8 - 2 = 6, maka t-tabel : t-tabel = t(0.05;6) = 1.943

  42. Analisiskorelasiantarabiaya produksidanhasilproduksi. (4). Membandingkan nilai t-hitung dengan t-tabel. Jika t-hitung < t-tabel, maka keputusannya adalah menerima H0. Jika t-hitung > t-tabel , maka keputusannya adalah menolak H0,dan menerima Ha. Nilai t-hitung ditentukan dengan formula sbb: t-hit = (0.989)(√ 6) / (√(1-0.989*0.989) = …………… Terima H0 Tolak H0 Bgmkesimpulannya? t =1,943

  43. Tabel t untukujihipotesissatu-sisi • Misalnya α = 0.05, n=8, db = 8 - 2 = 6, • maka t-tabel : • t-tabel = t(0.05;6) = 1.943

  44. Tabel t untukujihipotesisdua-sisi

  45. MODEL REGRESI Diunduhdari: http://khairulanam.files.wordpress.com/2010/08/2-regresi-linier-sederhana-2-4.pdf ….. 11/10/2012

  46. REGRESI LINEAR

  47. REGRESI LINEAR • Hubungan sebab-akibat • Untuk memperkirakan hasil yang didapat jika dilakukan perlakuan sampai level tertentu. • Hubungan antara variabel independen (sebab) dengan variabel dependen (akibat) • Hubungan linear atau non linear

  48. Regresi linier. Regresi linier ialahbentukhubungandimanavariabelbebas X maupunvariabel tergantung Y sebagaifaktor yang berpangkatsatu. Regresi linier inidibedakanmenjadi: 1). Regresi linier sederhanadenganbentukfungsi: Y = a + bX + e, 2). Regresi linier bergandadenganbentukfungsi: Y = b0 + b1X1 + . . . + bpXp + e Dari keduafungsidiatas 1) dan 2); masing-masingberbentukgarislurus (linier sederhana) danbidangdatar (linier berganda). Diunduhdari: ….. 10/10/2012

  49. Interpretasi Parameter Model Regresi Linier Sederhana Diunduhdari: http://khairulanam.files.wordpress.com/2010/08/2-regresi-linier-sederhana-2-4.pdf ….. 11/10/2012

  50. Dugaanpersamaangarisregresi linier sederhana Diunduhdari: http://khairulanam.files.wordpress.com/2010/08/2-regresi-linier-sederhana-2-4.pdf ….. 11/10/2012