Korelasi Posting ^^

6,237 views

Published on

Published in: Technology, Business
0 Comments
5 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
6,237
On SlideShare
0
From Embeds
0
Number of Embeds
33
Actions
Shares
0
Downloads
222
Comments
0
Likes
5
Embeds 0
No embeds

No notes for slide

Korelasi Posting ^^

  1. 1. korelasi <ul><li>Korelasi adalah salah satu teknik statistik yang digunakan untuk untuk mencari hubungan ( measures of association ) antara dua variabel atau lebih yang sifatnya kuantitatif. J ika nilai suatu variabel naik, sedangkan nilai variabel yang lain turun, maka dikatakan terdapat hubungan negatif serta sebaliknya. </li></ul><ul><li>Misalkan kita mempunyai dua variabel x dan y kita ingin menguji apakah hubungannya berbanding lurus atau terbalik atau bahkan tidak mempunyai hubungan sama sekali . </li></ul><ul><li>Korelasi Secara Umum dibagi menjadi 2 </li></ul><ul><li> korelasi bivariat :merupakan uji korelasi antara dua variabel </li></ul><ul><li> korelasi partial : bertujuan untuk menghitung koefisien korelasi antara dua variabel, akan tatapi dengan mengeluarkan variabel lainnya yang mungkin dianggap berpangaruh dengan kata lain disebut kontrol. </li></ul>
  2. 2. Jenis Korelasi yang lain <ul><li>Korelasi Pearson Product Moment Korelasi ini dilakukan jika sepasang variabel kontinu, memiliki korelasi. Jumlah pengamatan variabel X dan Y harus sama, atau kedua nilai variabel tersebut berpasangan. Semakin besar nilai koefisien korelasinya maka akan semakin besar pula derajat hubungan antara kedua variabel. Korelasi Pearson biasanya pada hubungan yang berbentuk linier (keduanya meningkat atau keduanya menurun). Koefisien korelasi ini tidak menunjukkan adanya hubungan kausal antar variabelnya </li></ul><ul><li>Korelasi Spearman Jika pengamatan dari 2 variabel X dan Y adalah dalam bentuk skala ordinal, maka derajat korelasi dicari dengan koefisien korelasi spearman. Prosedurnya terdiri atas: 1. Atur Pengamatan dari kedua variabel dalam bentuk ranking. 2. Cari beda dari masing-masing pengamatan yang sudah berpasangan 3. Hitung koefisien korelasi Spearman </li></ul><ul><li>Korelasi Rank Kendall Analisis korelasi rank Kendall digunakan untuk mencari hubungan dan menguji hipotesis antara dua variabel atau lebih, bila datanya berbentuk ordinal atau ranking. Kelebihan metode ini bila digunakan untuk menganalisis sampel berukuran lebih dari 10 dan dapat dikembangkan untuk mencari koefisien korelasi parsial. </li></ul>
  3. 3. Kegunaan uji korelasi <ul><li>Pengukuran asosiasi (korelasi) berguna untuk mengukur kekuatan ( strength ) hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan antara variabel: </li></ul><ul><li>·        Motivasi kerja dengan produktivitas </li></ul><ul><li>·        Kualitas layanan dengan kepuasan pelanggan </li></ul><ul><li>·        Tingkat inflasi dengan IHSG </li></ul><ul><li>Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan keputusan, diantaranya: </li></ul><ul><li>·        Hubungan kedua variabel tidak ada </li></ul><ul><li>·        Hubungan kedua variabel lemah </li></ul><ul><li>·        Hubungan kedua variabel cukup kuat </li></ul><ul><li>·        Hubungan kedua variabel kuat </li></ul><ul><li>·        Hubungan kedua variabel sangat kuat </li></ul><ul><li>Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan semakin lemah. </li></ul><ul><li>  </li></ul>
  4. 4. Asumsi Dasar Korelasi <ul><li>Asumsi dasar korelasi diantaranya seperti tertera di bawah ini : </li></ul><ul><li>Kedua variabel bersifat independen satu dengan lainnya, artinya masing-masing variabel berdiri sendiri dan tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas dan variabel tergantung. </li></ul><ul><li>Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi normal artinya data yang distribusinya  simetris sempurna. Jika digunakan bahasa umum disebut berbentuk kurva bel. Menurut Johnston (2004) ciri-ciri data yang mempunyai distribusi normal ialah sebagai berikut: </li></ul><ul><li>1.      Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di tengah-tengah, yaitu berada pada rata-rata ( mean ) nilai distribusi dengan kurva sejajar dan tepat sama pada bagian sisi kiri dan kanannya. Kesimpulannya, nilai yang paling sering muncul dalam distribusi normal ialah rata-rata ( average ), dengan setengahnya berada dibawah rata-rata dan setengahnya yang lain berada di atas rata-rata. </li></ul><ul><li>2.     Kurva normal, sering juga disebut sebagai kurva bel, berbentuk simetris sempurna. </li></ul><ul><li>3.     Karena  dua bagian sisi dari tengah-tengah benar-benar simetris, maka frekuensi nilai-nilai diatas rata-rata ( mean ) akan benar-benar cocok dengan frekuensi nilai-nilai di bawah rata-rata. </li></ul><ul><li>4.  Frekuensi total semua nilai dalam populasi akan berada dalam  area dibawah kurva.  Perlu diketahui bahwa area total dibawah kurva mewakili kemungkinan munculnya karakteristik tersebut.  </li></ul><ul><li>5.     Kurva normal dapat mempunyai bentuk yang berbeda-beda. Yang menentukan bentuk-bentuk tersebut adalah nilai rata-rata dan simpangan baku (standard deviation) populasi. </li></ul>
  5. 5. Karakteristik Korelasi <ul><li>. Korelasi mempunyai karakteristik-karakteristik diantaranya : </li></ul><ul><li>a. Kisaran Korelasi </li></ul><ul><li>Kisaran ( range ) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat positif  dan dapat pula negatif. </li></ul><ul><li>b. Korelasi Sama Dengan Nol </li></ul><ul><li>Korelasi sama dengan 0 mempunyai arti tidak ada hubungan antara dua variabel. Jika dilihat dari sebaran data. </li></ul><ul><li>  c. Korelasi Sama Dengan Satu </li></ul><ul><li>Korelasi sama dengan + 1 artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y juga naik </li></ul><ul><li>D. Korelasi sama dengan -1 </li></ul><ul><li>artinya kedua variabel mempunyai hubungan linier sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika nilai X naik, maka Y turun (dan sebaliknya) </li></ul>
  6. 6. Koefesien Korelasi <ul><li>Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan ( strength ) hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria sebagai berikut (Sarwono:2006): </li></ul><ul><ul><li>0 : Tidak ada korelasi antara dua variabel </li></ul></ul><ul><ul><li>>0 – 0,25: Korelasi sangat lemah </li></ul></ul><ul><ul><li>>0,25 – 0,5: Korelasi cukup </li></ul></ul><ul><ul><li>>0,5 – 0,75: Korelasi  kuat </li></ul></ul><ul><ul><li>>0,75 – 0,99: Korelasi  sangat kuat </li></ul></ul><ul><ul><li>1: Korelasi sempurna </li></ul></ul>
  7. 7. Uji Hipotesis <ul><li>Pengambilan keputusan menggunakan  angka pembanding t tabel dengan kriteria sebagai berikut: </li></ul><ul><li> Jika t hitung > t table H0 ditolak; H1 diterima </li></ul><ul><li>     Jika t hitung < t table H0 diterima; H1 ditolak  </li></ul><ul><li>     </li></ul>
  8. 8. Contoh Kasus <ul><li> Adakah hubungan antara Biaya Selling, Promotion, Advertensi, terhadap Penjualan Sepeda Motor pada suatu Shoroom di kota z ??? </li></ul>
  9. 9. DATA PENJUALAN SEPEDA MOTOR 250 3850000 3758000 4500000 12 521 4660000 4500000 7990000 11 400 5610000 4200000 5800500 10 320 3700000 2500000 4580000 9 400 4320000 2750000 5990000 8 480 4555000 3300000 6750050 7 350 2390000 3256600 4555000 6 421 3550000 2555000 5656800 5 430 3990000 4555000 7742500 4 465 4100000 3550000 9750000 3 540 4210000 7000000 11000000 2 600 5450000 8750000 12500000 1 Advertensi (x3) Promotion (x2) Selling (x1) Penjualan (unit) (y) Besar pengeluaran biaya untuk Bulan Ke-
  10. 10. Correlations
  11. 11. Keterangan : Selling memiliki rata-rata biaya = Rp 7.234.571 Promotion memiliki rata-rata biaya = Rp 4.222.883 Advertensi memiliki rata-rata biaya = Rp 4.198.750 Penjualan memiliki rata-rata biaya =Rp 4.314.167 Standar deviasi selling = 2647359.079 Standar deviasi promotion = 1877344.202 Standar deviasi advertensi = 854288.97868 Standar deviasi penjualan = 98.05514 menggunakan korelasi Pearson dan Spearman Banyaknya data analisis = 12 Dengan menggunakan korelas Pearson dan Spearman diperoleh r = 0.888** Hal ini berarti terdapat adanya hubungan antara biaya selling dan promotion sepeda motor. Biaya advertensi dan penjualan sepeda motor. Korelasi tinggi, sangat kuat sekali hampir mendekati +1, di peroleh adanya hubungan korelasi yang searah,
  12. 13. <ul><li>Korelasi antara x1 dan y </li></ul><ul><li>Jika diperhatikan hasil r= 0,888 dengan probabilitas (tingkat signifikasi) = 0,000 jadi probabilitas 0,000 < 0,05. dengan demikian Ho ditolak. Kaadaan ini menunjukkan bahwa terdapat hubungan yang sangat erat antara pengeluaran biaya untuk “Selling” dengan “Penjualan”. Dari hasil r tersebut terdapat tanda dua bintang (**). Tanda ini menunjukkan bahwa hubungan tersebut “sangat tingggi”, yakni pada tingkat signifikasi 0,01. jika hanya satu bintang (*) maka hubungan tersebut dikatakan “tinggi”, yakni memang pada tingkat signifikasi 0,05. </li></ul><ul><li>Korelasi antara x2 dengan y </li></ul><ul><li>Jika diperhatikan hasil r= 0,712 dengan probabilitas (tingkat signifikasi) = 0,009. jadi probabilitas 0,009 < 0,05. dengan demikian Ho ditolak. Keadaan ini menunjukkan bahwa terdapat hubungan yang sangat erat antara pengeluaran biaya untuk “Promosi” dengan “Penjualan”. Dari hasil r tersebut terdapat dua bintang (**), tanda ini menunjukkan bahwa hubungan tersebut “sangat tinggi”, yakni pada tingkat signifikasi 0,01. </li></ul><ul><li>Korelasi antara x3 dan y </li></ul><ul><li>Jika diperhatikan hasil r= 0,534 dengan probabilitas = 0,073. jadi probabilitas 0,073>0,05. dengan demikian Ho diterima. Keadaan ini menunjukkan bahwa “tidak terdapat hubungan antara pengeluaran biaya untuk “Advertensi” dengan “Penjualan” </li></ul>
  13. 14. Nonparametric Correlations
  14. 15. <ul><li>Uji spearman’s rho </li></ul><ul><li>Bisa dilihat secara langsung dari besarnya korelasi, atau bisa dilakukan dengan pengujian tabel. Hasil uji spearman’s rho adalah sbb. Hubungan antara selling dan penjualan adalah 0,935. termasuk sangat erat. Hubungan antara promotion dengan penjualan adalah 0,655 termasuk cukup erat. Sedang hubungan antara advertensi dengan penjualan adalah 0,567 termasuk rendah. </li></ul>
  15. 16. Referensi <ul><li>http://statistik4life.blogspot.com/2009/11/korelasi-merupakan-hubungan-antara-dua.html </li></ul>

×