SlideShare a Scribd company logo

8. korelasi, regresi linier sederhana dan berganda

8. korelasi, regresi linier sederhana dan berganda

1 of 23
Download to read offline
Analisa KorelasiAnalisa Korelasi
dandan
Analisa RegresiAnalisa Regresi
Eko Siswanto, S.Kom
Uji KorelasiUji Korelasi
 MengujiMenguji hubunganhubungan antaraantara 2 variabel2 variabel yangyang tidaktidak
menunjukkanmenunjukkan hubungan fungsional.hubungan fungsional.
(berhubungan bukan berarti disebabkan).(berhubungan bukan berarti disebabkan).
 Tidak membedakan jenis variabel.Tidak membedakan jenis variabel.
 Keeratan hubungan dinyatakan dalam bentukKeeratan hubungan dinyatakan dalam bentuk
koefisien korelasikoefisien korelasi..
 Uji korelasi terdiri dari :Uji korelasi terdiri dari : PearsonPearson,, SpearmanSpearman dandan
KendallKendall..
 KorelasiKorelasi PearsonPearson (Asumsi Parametrik):(Asumsi Parametrik):
 JikaJika sampel data lebih dari 30sampel data lebih dari 30 (sampel besar) dan(sampel besar) dan
kondisikondisi data terdistribusi normaldata terdistribusi normal..
 Digunakan untuk pengukuran korelasiDigunakan untuk pengukuran korelasi data intervaldata interval
atauatau rasiorasio..
 Mengukur keeratan hubungan antara hasilMengukur keeratan hubungan antara hasil
pengamatan dari populasi yang mempunyaipengamatan dari populasi yang mempunyai 2 varian2 varian
((bivariatebivariate).).
 KorelasiKorelasi SpearmanSpearman atauatau KendallKendall (Asumsi Non-(Asumsi Non-
Parametrik):Parametrik):
 Jika jumlahJika jumlah sampel kurang dari 30sampel kurang dari 30 (sampel kecil) dan(sampel kecil) dan
kondisikondisi data tidak normaldata tidak normal..
 Digunakan untuk pengukuran korelasiDigunakan untuk pengukuran korelasi data ordinaldata ordinal..
Koefisien KorelasiKoefisien Korelasi
 Nilai koefisien korelasiNilai koefisien korelasi merupakan nilai yangmerupakan nilai yang
digunakan untuk mengukurdigunakan untuk mengukur kekuatan (keeratan)kekuatan (keeratan)
suatusuatu hubungan antar variabelhubungan antar variabel..
 Koefisien korelasi memiliki nilai antaraKoefisien korelasi memiliki nilai antara –1 hingga +1–1 hingga +1..
Sifat nilai koefisien korelasiSifat nilai koefisien korelasi adalahadalah positifpositif dandan
negatifnegatif. Artinya :. Artinya :
 Korelasi positifKorelasi positif jika : variabeljika : variabel x1x1 mengalamimengalami
kekenaiknaikan maka variabelan maka variabel x2x2 juga akan mengalamijuga akan mengalami
kekenaiknaikan atauan atau sebaliknyasebaliknya..
 Korelasi negatifKorelasi negatif jika : variabeljika : variabel x1x1 mengalamimengalami
kekenaiknaikan maka variabelan maka variabel x2x2 akan mengalamiakan mengalami
penurunanpenurunan atauatau sebaliknyasebaliknya..
Uji RegresiUji Regresi
 Digunakan terutama untuk tujuanDigunakan terutama untuk tujuan
peramalan (forecasting).peramalan (forecasting).
 Ada variabelAda variabel dependendependen dan variabeldan variabel
independenindependen..
 Ada 2 regresi yaitu :Ada 2 regresi yaitu : Regresi LinierRegresi Linier
SederhanaSederhana (Simple Regression) dan(Simple Regression) dan
Regresi Linier BergandaRegresi Linier Berganda (Multiple(Multiple
regression).regression).
Regresi Linier SederhanaRegresi Linier Sederhana
 Memiliki 1 variabel dependen dan 1Memiliki 1 variabel dependen dan 1
variabel independen.variabel independen.
 Persamaan Matematis – nya :Persamaan Matematis – nya :
Y =Y = αα ++ ββXX
α == Bilangan KonstantaBilangan Konstanta
β = Bilangan Konstanta yang akan mempengaruhi= Bilangan Konstanta yang akan mempengaruhi
arah regresi linier atau disebutarah regresi linier atau disebut interceptintercept..
Ad

Recommended

Ekonometrika Variabel Dummy
Ekonometrika Variabel DummyEkonometrika Variabel Dummy
Ekonometrika Variabel DummyAyuk Wulandari
 
Pengantar statistika slide 3
Pengantar statistika slide 3Pengantar statistika slide 3
Pengantar statistika slide 3Az'End Love
 
Tugas regresi linear dan non linier
Tugas regresi linear dan non linierTugas regresi linear dan non linier
Tugas regresi linear dan non liniernopiana
 
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...Agus Melas Agues
 

More Related Content

What's hot

Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)rizka_safa
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
 
Makalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummyMakalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummyAgung Handoko
 
Panduan Analisis Korelasi Berganda Dengan SPSS
Panduan Analisis Korelasi Berganda Dengan SPSSPanduan Analisis Korelasi Berganda Dengan SPSS
Panduan Analisis Korelasi Berganda Dengan SPSSMuliadin Forester
 
Tabel distribusi peluang binomial
Tabel distribusi peluang binomialTabel distribusi peluang binomial
Tabel distribusi peluang binomialrumahbacazahra
 
STANDARD SCORE, SKEWNESS & KURTOSIS
STANDARD SCORE, SKEWNESS & KURTOSISSTANDARD SCORE, SKEWNESS & KURTOSIS
STANDARD SCORE, SKEWNESS & KURTOSISErmawati Syahrudi
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
 
Barisan dan Deret ( Kalkulus 2 )
Barisan dan Deret ( Kalkulus 2 )Barisan dan Deret ( Kalkulus 2 )
Barisan dan Deret ( Kalkulus 2 )Kelinci Coklat
 
Kutipan dan Cara Menulis Kutipan
Kutipan dan Cara Menulis KutipanKutipan dan Cara Menulis Kutipan
Kutipan dan Cara Menulis Kutipantiharum
 
Analisis Regresi Linier Berganda
Analisis Regresi Linier BergandaAnalisis Regresi Linier Berganda
Analisis Regresi Linier BergandaJefril Rahmadoni
 
Distribusi hipergeometrik
Distribusi hipergeometrikDistribusi hipergeometrik
Distribusi hipergeometrikEman Mendrofa
 
Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)
Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)
Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)Yunus Thariq
 
5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncinganRia Defti Nurharinda
 

What's hot (20)

Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
 
Makalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummyMakalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummy
 
Distribusi poisson
Distribusi poissonDistribusi poisson
Distribusi poisson
 
Panduan Analisis Korelasi Berganda Dengan SPSS
Panduan Analisis Korelasi Berganda Dengan SPSSPanduan Analisis Korelasi Berganda Dengan SPSS
Panduan Analisis Korelasi Berganda Dengan SPSS
 
Tabel distribusi peluang binomial
Tabel distribusi peluang binomialTabel distribusi peluang binomial
Tabel distribusi peluang binomial
 
STANDARD SCORE, SKEWNESS & KURTOSIS
STANDARD SCORE, SKEWNESS & KURTOSISSTANDARD SCORE, SKEWNESS & KURTOSIS
STANDARD SCORE, SKEWNESS & KURTOSIS
 
Modul statistika-ii-part-2
Modul statistika-ii-part-2Modul statistika-ii-part-2
Modul statistika-ii-part-2
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasi
 
PPT Analisis Regresi.pptx
PPT Analisis Regresi.pptxPPT Analisis Regresi.pptx
PPT Analisis Regresi.pptx
 
Analisis jalur (path analysis)
Analisis jalur (path analysis)Analisis jalur (path analysis)
Analisis jalur (path analysis)
 
Barisan dan Deret ( Kalkulus 2 )
Barisan dan Deret ( Kalkulus 2 )Barisan dan Deret ( Kalkulus 2 )
Barisan dan Deret ( Kalkulus 2 )
 
Kutipan dan Cara Menulis Kutipan
Kutipan dan Cara Menulis KutipanKutipan dan Cara Menulis Kutipan
Kutipan dan Cara Menulis Kutipan
 
Input output edit akhir
Input output edit akhirInput output edit akhir
Input output edit akhir
 
Minggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis KorelasiMinggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis Korelasi
 
Poisson distribution
Poisson distributionPoisson distribution
Poisson distribution
 
Analisis Regresi Linier Berganda
Analisis Regresi Linier BergandaAnalisis Regresi Linier Berganda
Analisis Regresi Linier Berganda
 
Distribusi hipergeometrik
Distribusi hipergeometrikDistribusi hipergeometrik
Distribusi hipergeometrik
 
Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)
Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)
Latihan Soal Matematika Ekonomi + Pembahasan (MBTI - Institut Manajemen Telkom)
 
5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan
 

Similar to 8. korelasi, regresi linier sederhana dan berganda

PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdfPERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdftitamitandha
 
ANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptxANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptxWan Na
 
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...TangkasPangestu1
 
1.Regresi (1).pptx
1.Regresi (1).pptx1.Regresi (1).pptx
1.Regresi (1).pptxShabrinaAlma
 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptBambangismeOurTeam
 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptssusera89b03
 
PPT Presentasi (1).pptx
PPT Presentasi (1).pptxPPT Presentasi (1).pptx
PPT Presentasi (1).pptxROfficial3
 
9. lat korelasi regresi
9. lat korelasi regresi9. lat korelasi regresi
9. lat korelasi regresiEko Siswanto
 
Analisis_regresi_dan_korelasi.pptx
Analisis_regresi_dan_korelasi.pptxAnalisis_regresi_dan_korelasi.pptx
Analisis_regresi_dan_korelasi.pptxPawitraRML1
 
oggie alfriandi.docx
oggie alfriandi.docxoggie alfriandi.docx
oggie alfriandi.docxzuhri32
 
Analisis regresi dengan exel dan cara membacanya
Analisis regresi dengan exel dan cara membacanyaAnalisis regresi dengan exel dan cara membacanya
Analisis regresi dengan exel dan cara membacanyanatnitnet nitnot
 
Analisis_Regresi_Linier_Berganda.ppt
Analisis_Regresi_Linier_Berganda.pptAnalisis_Regresi_Linier_Berganda.ppt
Analisis_Regresi_Linier_Berganda.pptWawanJoko
 
Ppt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaSOFIATUL JANNAH
 
Regresi linear
Regresi linearRegresi linear
Regresi linearmery gita
 
Analisis_Korelasi_dan_Regresi_Menggunaka.pptx
Analisis_Korelasi_dan_Regresi_Menggunaka.pptxAnalisis_Korelasi_dan_Regresi_Menggunaka.pptx
Analisis_Korelasi_dan_Regresi_Menggunaka.pptxSyaifulRamadhanHarah
 
Analisis regresi linier
Analisis regresi linier Analisis regresi linier
Analisis regresi linier Ayah Irawan
 
Aminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdf
Aminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdfAminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdf
Aminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdfAminullah Assagaf
 

Similar to 8. korelasi, regresi linier sederhana dan berganda (20)

Modul Statistika
Modul StatistikaModul Statistika
Modul Statistika
 
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdfPERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
 
ANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptxANALISIS REGRESI DAN KORELASI.pptx
ANALISIS REGRESI DAN KORELASI.pptx
 
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
 
1.Regresi (1).pptx
1.Regresi (1).pptx1.Regresi (1).pptx
1.Regresi (1).pptx
 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.ppt
 
Analisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.pptAnalisis Regresi dan Korelasi.ppt
Analisis Regresi dan Korelasi.ppt
 
PPT Presentasi (1).pptx
PPT Presentasi (1).pptxPPT Presentasi (1).pptx
PPT Presentasi (1).pptx
 
9. lat korelasi regresi
9. lat korelasi regresi9. lat korelasi regresi
9. lat korelasi regresi
 
Analisis_regresi_dan_korelasi.pptx
Analisis_regresi_dan_korelasi.pptxAnalisis_regresi_dan_korelasi.pptx
Analisis_regresi_dan_korelasi.pptx
 
oggie alfriandi.docx
oggie alfriandi.docxoggie alfriandi.docx
oggie alfriandi.docx
 
Analisis regresi dengan exel dan cara membacanya
Analisis regresi dengan exel dan cara membacanyaAnalisis regresi dengan exel dan cara membacanya
Analisis regresi dengan exel dan cara membacanya
 
Analisis_Regresi_Linier_Berganda.ppt
Analisis_Regresi_Linier_Berganda.pptAnalisis_Regresi_Linier_Berganda.ppt
Analisis_Regresi_Linier_Berganda.ppt
 
Kelompok Ganjil.pptx
Kelompok Ganjil.pptxKelompok Ganjil.pptx
Kelompok Ganjil.pptx
 
analisis korelasi.ppt
analisis korelasi.pptanalisis korelasi.ppt
analisis korelasi.ppt
 
Ppt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi berganda
 
Regresi linear
Regresi linearRegresi linear
Regresi linear
 
Analisis_Korelasi_dan_Regresi_Menggunaka.pptx
Analisis_Korelasi_dan_Regresi_Menggunaka.pptxAnalisis_Korelasi_dan_Regresi_Menggunaka.pptx
Analisis_Korelasi_dan_Regresi_Menggunaka.pptx
 
Analisis regresi linier
Analisis regresi linier Analisis regresi linier
Analisis regresi linier
 
Aminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdf
Aminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdfAminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdf
Aminullah Assagaf_EVIEWS, STATA, Data Panel_7 Nop 2023.pdf
 

More from Eko Siswanto

7.pengenalan internet
7.pengenalan internet7.pengenalan internet
7.pengenalan internetEko Siswanto
 
6.2 Jaringan komputer
6.2 Jaringan komputer6.2 Jaringan komputer
6.2 Jaringan komputerEko Siswanto
 
5.2 teknologi komunikasi
5.2 teknologi komunikasi5.2 teknologi komunikasi
5.2 teknologi komunikasiEko Siswanto
 
2. klasifikasi sistem tehnologi informasi
2. klasifikasi sistem tehnologi informasi2. klasifikasi sistem tehnologi informasi
2. klasifikasi sistem tehnologi informasiEko Siswanto
 
1. pengantar-teknologi-informasi
1. pengantar-teknologi-informasi1. pengantar-teknologi-informasi
1. pengantar-teknologi-informasiEko Siswanto
 
Aplikasi khs-App.Pengolahan Data (Acc)
Aplikasi khs-App.Pengolahan Data (Acc)Aplikasi khs-App.Pengolahan Data (Acc)
Aplikasi khs-App.Pengolahan Data (Acc)Eko Siswanto
 
Worksheet dasar App.Pengolahan Data (Acc)
Worksheet dasar App.Pengolahan Data (Acc)Worksheet dasar App.Pengolahan Data (Acc)
Worksheet dasar App.Pengolahan Data (Acc)Eko Siswanto
 
Langkah upload web
Langkah upload webLangkah upload web
Langkah upload webEko Siswanto
 
5 Sbd-fungsi tanggal
5 Sbd-fungsi tanggal5 Sbd-fungsi tanggal
5 Sbd-fungsi tanggalEko Siswanto
 
Latihan membuat website dengan tabel
Latihan membuat website dengan tabelLatihan membuat website dengan tabel
Latihan membuat website dengan tabelEko Siswanto
 
4 copy duplikasi pengelompokkan data
4 copy duplikasi pengelompokkan data4 copy duplikasi pengelompokkan data
4 copy duplikasi pengelompokkan dataEko Siswanto
 
3 hapus recall replace data
3 hapus recall replace data3 hapus recall replace data
3 hapus recall replace dataEko Siswanto
 

More from Eko Siswanto (20)

7.pengenalan internet
7.pengenalan internet7.pengenalan internet
7.pengenalan internet
 
6. hardware
6. hardware6. hardware
6. hardware
 
6.2 Jaringan komputer
6.2 Jaringan komputer6.2 Jaringan komputer
6.2 Jaringan komputer
 
5. hardware
5. hardware5. hardware
5. hardware
 
5.2 teknologi komunikasi
5.2 teknologi komunikasi5.2 teknologi komunikasi
5.2 teknologi komunikasi
 
4. hardware
4. hardware4. hardware
4. hardware
 
3. hardware
3. hardware3. hardware
3. hardware
 
2. klasifikasi sistem tehnologi informasi
2. klasifikasi sistem tehnologi informasi2. klasifikasi sistem tehnologi informasi
2. klasifikasi sistem tehnologi informasi
 
1. pengantar-teknologi-informasi
1. pengantar-teknologi-informasi1. pengantar-teknologi-informasi
1. pengantar-teknologi-informasi
 
Aplikasi khs-App.Pengolahan Data (Acc)
Aplikasi khs-App.Pengolahan Data (Acc)Aplikasi khs-App.Pengolahan Data (Acc)
Aplikasi khs-App.Pengolahan Data (Acc)
 
Worksheet dasar App.Pengolahan Data (Acc)
Worksheet dasar App.Pengolahan Data (Acc)Worksheet dasar App.Pengolahan Data (Acc)
Worksheet dasar App.Pengolahan Data (Acc)
 
6 fungsi karakter
6 fungsi karakter6 fungsi karakter
6 fungsi karakter
 
Langkah upload web
Langkah upload webLangkah upload web
Langkah upload web
 
5 Sbd-fungsi tanggal
5 Sbd-fungsi tanggal5 Sbd-fungsi tanggal
5 Sbd-fungsi tanggal
 
5.frame
5.frame5.frame
5.frame
 
Latihan membuat website dengan tabel
Latihan membuat website dengan tabelLatihan membuat website dengan tabel
Latihan membuat website dengan tabel
 
3.html table
3.html table3.html table
3.html table
 
2.html link
2.html link2.html link
2.html link
 
4 copy duplikasi pengelompokkan data
4 copy duplikasi pengelompokkan data4 copy duplikasi pengelompokkan data
4 copy duplikasi pengelompokkan data
 
3 hapus recall replace data
3 hapus recall replace data3 hapus recall replace data
3 hapus recall replace data
 

8. korelasi, regresi linier sederhana dan berganda

  • 1. Analisa KorelasiAnalisa Korelasi dandan Analisa RegresiAnalisa Regresi Eko Siswanto, S.Kom
  • 2. Uji KorelasiUji Korelasi  MengujiMenguji hubunganhubungan antaraantara 2 variabel2 variabel yangyang tidaktidak menunjukkanmenunjukkan hubungan fungsional.hubungan fungsional. (berhubungan bukan berarti disebabkan).(berhubungan bukan berarti disebabkan).  Tidak membedakan jenis variabel.Tidak membedakan jenis variabel.  Keeratan hubungan dinyatakan dalam bentukKeeratan hubungan dinyatakan dalam bentuk koefisien korelasikoefisien korelasi..  Uji korelasi terdiri dari :Uji korelasi terdiri dari : PearsonPearson,, SpearmanSpearman dandan KendallKendall..
  • 3.  KorelasiKorelasi PearsonPearson (Asumsi Parametrik):(Asumsi Parametrik):  JikaJika sampel data lebih dari 30sampel data lebih dari 30 (sampel besar) dan(sampel besar) dan kondisikondisi data terdistribusi normaldata terdistribusi normal..  Digunakan untuk pengukuran korelasiDigunakan untuk pengukuran korelasi data intervaldata interval atauatau rasiorasio..  Mengukur keeratan hubungan antara hasilMengukur keeratan hubungan antara hasil pengamatan dari populasi yang mempunyaipengamatan dari populasi yang mempunyai 2 varian2 varian ((bivariatebivariate).).  KorelasiKorelasi SpearmanSpearman atauatau KendallKendall (Asumsi Non-(Asumsi Non- Parametrik):Parametrik):  Jika jumlahJika jumlah sampel kurang dari 30sampel kurang dari 30 (sampel kecil) dan(sampel kecil) dan kondisikondisi data tidak normaldata tidak normal..  Digunakan untuk pengukuran korelasiDigunakan untuk pengukuran korelasi data ordinaldata ordinal..
  • 4. Koefisien KorelasiKoefisien Korelasi  Nilai koefisien korelasiNilai koefisien korelasi merupakan nilai yangmerupakan nilai yang digunakan untuk mengukurdigunakan untuk mengukur kekuatan (keeratan)kekuatan (keeratan) suatusuatu hubungan antar variabelhubungan antar variabel..  Koefisien korelasi memiliki nilai antaraKoefisien korelasi memiliki nilai antara –1 hingga +1–1 hingga +1.. Sifat nilai koefisien korelasiSifat nilai koefisien korelasi adalahadalah positifpositif dandan negatifnegatif. Artinya :. Artinya :  Korelasi positifKorelasi positif jika : variabeljika : variabel x1x1 mengalamimengalami kekenaiknaikan maka variabelan maka variabel x2x2 juga akan mengalamijuga akan mengalami kekenaiknaikan atauan atau sebaliknyasebaliknya..  Korelasi negatifKorelasi negatif jika : variabeljika : variabel x1x1 mengalamimengalami kekenaiknaikan maka variabelan maka variabel x2x2 akan mengalamiakan mengalami penurunanpenurunan atauatau sebaliknyasebaliknya..
  • 5. Uji RegresiUji Regresi  Digunakan terutama untuk tujuanDigunakan terutama untuk tujuan peramalan (forecasting).peramalan (forecasting).  Ada variabelAda variabel dependendependen dan variabeldan variabel independenindependen..  Ada 2 regresi yaitu :Ada 2 regresi yaitu : Regresi LinierRegresi Linier SederhanaSederhana (Simple Regression) dan(Simple Regression) dan Regresi Linier BergandaRegresi Linier Berganda (Multiple(Multiple regression).regression).
  • 6. Regresi Linier SederhanaRegresi Linier Sederhana  Memiliki 1 variabel dependen dan 1Memiliki 1 variabel dependen dan 1 variabel independen.variabel independen.  Persamaan Matematis – nya :Persamaan Matematis – nya : Y =Y = αα ++ ββXX α == Bilangan KonstantaBilangan Konstanta β = Bilangan Konstanta yang akan mempengaruhi= Bilangan Konstanta yang akan mempengaruhi arah regresi linier atau disebutarah regresi linier atau disebut interceptintercept..
  • 7. Regresi Linier BergandaRegresi Linier Berganda  Regresi yang memiliki 1 variabelRegresi yang memiliki 1 variabel dependen dan > 1 variabel independen.dependen dan > 1 variabel independen.  Persamaan Matematis – nya :Persamaan Matematis – nya : Y =Y = αα ++ ββ11XX11 ++ ββ22XX22 ++ ββ33XX33
  • 8. Hubungan antara Hasil Panen dengan Pemberian PupukHubungan antara Hasil Panen dengan Pemberian Pupuk Perubahan Nilai Y sehubungan dengan perubahan Nilai X sesuaiPerubahan Nilai Y sehubungan dengan perubahan Nilai X sesuai dengan persamaan Y = a + bXdengan persamaan Y = a + bX Jumlah Pupuk Menghitung Nilai Y Hasil Panen (kg/hektar) = 70 + b X (kw/ha) X 50 70 + (20*50) 1070 75 70 + (20*75) 1570 100 70 + (20*100) 2070 125 70 + (20*125) 2570 150 70 + (20*150) 3070 175 70 + (20*175) 3570 200 70 + (20*200) 4070 Menggunakan Program Excel. Hubungan Pemupukan dengan Hasil Panen (Y = 70 + 20.X) 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 50 100 150 200 250 Jumlah Pupuk (kg/ha) HasilPanen(kw/ha)
  • 9. Contoh :Contoh : PT. Untung Terus ingin mengetahui apakah ada hubungan antara hasilPT. Untung Terus ingin mengetahui apakah ada hubungan antara hasil penjualan dengan jumlah kunjungan para wiraniaga. Untuk itu, padapenjualan dengan jumlah kunjungan para wiraniaga. Untuk itu, pada bulan Mei 2002 dilakukan pengamatan terhadap 20 orangbulan Mei 2002 dilakukan pengamatan terhadap 20 orang wiraniaganya dan hasilnya sebagai berikut :wiraniaganya dan hasilnya sebagai berikut : Diagram Scatter / Pencar Hubungan antara Jumlah Kunjungan dengan Hasil Penjualan 0 50 100 150 200 0 10 20 30 40 50 Jumlah Kunjungan HasilPenjualan(Rp. Juta) No Wiraniaga Jumlah Kunjungan Hasil Penjualan 1 20 95 2 24 120 3 35 140 4 18 92 5 26 122 6 33 160 7 40 165 8 19 90 9 27 135 10 36 150 11 39 166 12 26 120 13 28 130 14 15 92 15 23 110 16 34 145 17 42 185 18 37 146 19 18 84 20 32 140 Menggunakan Program Excel.
  • 10. Contoh Uji Korelasi dengan SPSSContoh Uji Korelasi dengan SPSS OBSERVASI AYAM KAMBING SAPI 1 350000 8500000 19000000 2 405000 10500000 20000000 3 556000 11500000 21000000 4 427000 18750000 22354000 5 390000 9620850 19500000 6 350000 9519050 22300000 7 570000 12093800 21500000 8 357000 12650000 22340000 9 543000 10962850 23025000 10 485000 11365950 23100000 11 515000 12476050 22100000 12 574000 9300000 24500000 13 651000 9250000 23250000 14 601000 12286000 23123000 15 500000 12804000 25300000 16 520000 18802800 24250000 17 485000 12291550 26000000 18 615000 12506650 25750000 19 623000 13646450 26530000 20 650000 6250000 27000000 21 550000 13060350 26450000 22 567000 13367000 28000000 23 483000 13972650 27350000 24 751000 9700000 27940000 25 546000 14099150 29000000 26 750000 12637650 28235000 27 650000 16500000 28967000 28 586000 14250000 29340000 29 560000 14572700 28857000 30 540000 14140000 29257500  Klik AnalyzeKlik Analyze  Pilih CorrelatePilih Correlate  Pilih BivariatePilih Bivariate  Masukkan ketiga variabel keMasukkan ketiga variabel ke kolom variabelkolom variabel  Pilih Correlation CoefficientsPilih Correlation Coefficients PearsonPearson  Klik OKKlik OK
  • 11. Analisa Korelasi dari hasil output SPSSAnalisa Korelasi dari hasil output SPSS Correlations 1,000 ,009 ,619** , ,964 ,000 30 30 30 ,009 1,000 ,343 ,964 , ,063 30 30 30 ,619** ,343 1,000 ,000 ,063 , 30 30 30 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N AYAM KAMBING SAPI AYAM KAMBING SAPI Correlation is significant at the 0.01 level (2-tailed).**.  Koefisien Korelasi (Pearson Correlation) permintaan ayamKoefisien Korelasi (Pearson Correlation) permintaan ayam dengan kambing = 0,009 ini berarti keeratan hubungandengan kambing = 0,009 ini berarti keeratan hubungan permintaan ayam dengan permintaan kambing sangat lemah.permintaan ayam dengan permintaan kambing sangat lemah. Nilai signifikansi (Sig (2 tailed)) = 0,964 > 0,05 ini berarti tidakNilai signifikansi (Sig (2 tailed)) = 0,964 > 0,05 ini berarti tidak ada korelasi antara permintaan ayam dengan kambing.ada korelasi antara permintaan ayam dengan kambing.  Koefisien Korelasi (Pearson Correlation) permintaan ayamKoefisien Korelasi (Pearson Correlation) permintaan ayam dengan sapi = 0,619 ini berarti keeratan hubungan permintaandengan sapi = 0,619 ini berarti keeratan hubungan permintaan ayam dengan permintaan sapi kuat. Nilai signifikansi (Sig (2ayam dengan permintaan sapi kuat. Nilai signifikansi (Sig (2 tailed)) = 0,000 > 0,05 ini berarti terdapat korelasi antaratailed)) = 0,000 > 0,05 ini berarti terdapat korelasi antara permintaan ayam dengan sapi.permintaan ayam dengan sapi.
  • 12.  Klik AnalyzeKlik Analyze  Pilih RegressionPilih Regression  Pilih LinierPilih Linier  Pada kotak Dependent isiPada kotak Dependent isi dengan variabel jumlahdengan variabel jumlah kendaraankendaraan  Pada kotak Independent isiPada kotak Independent isi dengan variabel pendapatandengan variabel pendapatan per tahun.per tahun.  Pada kotak Method pilih EnterPada kotak Method pilih Enter  Klik OKKlik OK No. Sampel (Kota Besar) Pendapatan Rata-Rata Per Orang Per Tahun (US Dollar) Jumlah Kendaraan Roda Empat Pribadi (Dalam ribuan) XY 1 255 375 95.625 2 560 740 414.400 3 753 963 725.139 4 1564 1912 2.990.368 5 520 755 392.600 6 2345 2770 6.495.650 7 3576 5243 18.748.968 8 1250 1715 2.143.750 9 855 112 95.760 10 1352 1750 2.366.000 11 623 810 504.630 12 2168 2712 5.879.616 13 4250 2824 12.002.000 14 1862 2017 3.755.654 15 3265 5111 16.687.415 16 4102 2718 11.149.236 17 1658 1935 3.208.230 18 963 1210 1.165.230 19 2631 2856 7.514.136 20 1763 2013 3.548.919 21 764 894 683.016 22 1587 1917 3.042.279 23 2765 2913 8.054.445 24 3020 5009 15.127.180 25 865 1112 961.880 26 3654 5317 19.428.318 27 1290 1815 2.341.350 28 2975 4974 14.797.650 29 463 752 348.176 30 529 807 426.903 31 2264 2514 5.691.696 32 1653 1865 3.082.845 33 2184 2675 5.842.200 34 3321 4927 16.362.567 35 769 902 693.638 36 1763 1985 3.499.555 37 4015 2626 10.543.390 38 4235 2829 11.980.815 39 2216 2710 6.005.360 40 1845 2002 3.693.690 n=40 Total X Total Y Total XY 78.492 91.086 232.490.279 Contoh Uji Regresi dengan SPSSContoh Uji Regresi dengan SPSS
  • 13.  Yang perlu dikaji dari hasil outputYang perlu dikaji dari hasil output regresi adalah nilairegresi adalah nilai koefisienkoefisien determinasideterminasi. Nilai koefisien determinasi. Nilai koefisien determinasi atau R Square (Ratau R Square (R22 ) merupakan) merupakan pengkuadratan dari koefisien korelasi.pengkuadratan dari koefisien korelasi. Pada tabel RPada tabel R22 = 0,665 (0,816 * 0,816),= 0,665 (0,816 * 0,816), artinya sebesarartinya sebesar 66,5 % variabel jumlah66,5 % variabel jumlah kendaraan tergantung pada variabelkendaraan tergantung pada variabel pendapatanpendapatan, dan sisanya yang, dan sisanya yang 33,5 %33,5 % tergantung pada faktor laintergantung pada faktor lain.. Analisa Regresi dari hasil output SPSSAnalisa Regresi dari hasil output SPSS Model Summary ,816a ,665 ,656 837,7773 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Predictors: (Constant), INCOMEa. Berikutnya
  • 14.  DariDari tabel uji Anovatabel uji Anova didapatdidapat tingkat signifikansi (Sig)tingkat signifikansi (Sig) sebesar 0,000. Karenasebesar 0,000. Karena Signifikansi 0,000 < 0,05,Signifikansi 0,000 < 0,05, makamaka model regresi dapatmodel regresi dapat dipakaidipakai untuk memprediksiuntuk memprediksi jumlah kendaraanjumlah kendaraan.. ANOVAb 52956279 1 52956279,15 75,450 ,000a 26671088 38 701870,736 79627367 39 Regression Residual Total Model 1 Sum of Squares df Mean Square F Sig. Predictors: (Constant), INCOMEa. Dependent Variable: MOBILb. Coefficientsa 343,907 259,002 1,328 ,192 ,985 ,113 ,816 8,686 ,000 (Constant) INCOME Model 1 B Std. Error Unstandardized Coefficients Beta Standardi zed Coefficien ts t Sig. Dependent Variable: MOBILa.  Pada kolom Sig didapat nilai SignifikansiPada kolom Sig didapat nilai Signifikansi sebesar 0,000 < 0,05 berartisebesar 0,000 < 0,05 berarti koefisienkoefisien regresi signifikanregresi signifikan. Atau dengan kata lain. Atau dengan kata lain Pendapatan per Tahun benar-benarPendapatan per Tahun benar-benar berpengaruh signifikan terhadap Jumlahberpengaruh signifikan terhadap Jumlah KendaraanKendaraan..Berikutnya
  • 15.  Tabel berikut menggambarkanTabel berikut menggambarkan persamaan regresipersamaan regresi : ( Y = a + b X ): ( Y = a + b X ) Y = 343,907 + 0,985 XY = 343,907 + 0,985 X Y = Jumlah KendaraanY = Jumlah Kendaraan X = Pendapatan per TahunX = Pendapatan per Tahun Konstanta (a) = 343,907Konstanta (a) = 343,907 menyatakan jika tidak ada Pendapatan permenyatakan jika tidak ada Pendapatan per Tahun maka Jumlah kendaraan sebesar 343,907.Tahun maka Jumlah kendaraan sebesar 343,907. Koefisien regresi / intercept (b) = 0,985Koefisien regresi / intercept (b) = 0,985 menyatakan bahwa setiapmenyatakan bahwa setiap penambahan sebesar US$ 1000, maka akan meningkatkan jumlahpenambahan sebesar US$ 1000, maka akan meningkatkan jumlah kendaraan sebesar 985 unit.kendaraan sebesar 985 unit. Coefficientsa 343,907 259,002 1,328 ,192 ,985 ,113 ,816 8,686 ,000 (Constant) INCOME Model 1 B Std. Error Unstandardized Coefficients Beta Standardi zed Coefficien ts t Sig. Dependent Variable: MOBILa.
  • 17. CARA MEMBACA OUTPUT….CARA MEMBACA OUTPUT…. (1)(1)  Besarnya pengaruh variabel independenBesarnya pengaruh variabel independen terhadap variabel dependen.terhadap variabel dependen. TabelTabel MODEL SUMMARYMODEL SUMMARY  R SquareR Square  Uji F (Uji Simultan),Uji F (Uji Simultan), Pengaruh secaraPengaruh secara bersama-samabersama-sama var. independen terhadapvar. independen terhadap var. dependen.var. dependen. Tabel ANOVATabel ANOVA  SigSig (pembanding(pembanding αα = 5%).= 5%).
  • 18. CARA MEMBACA OUTPUT….CARA MEMBACA OUTPUT…. (2)(2)  Uji t (Uji Partial),Uji t (Uji Partial), Pengaruh secaraPengaruh secara terpisah/partialterpisah/partial var. independen terhadapvar. independen terhadap var. dependen. Tabelvar. dependen. Tabel COEFFICIENTSCOEFFICIENTS  Sig (pembandingSig (pembanding αα = 5%).= 5%).  Persamaan MatematikaPersamaan Matematika TabelTabel COEFFICIENTS.COEFFICIENTS.
  • 19. Contoh SoalContoh Soal TAHUN LUAS AREAL (ha) JUMLAH PRODUKSI (ton) NILAI EKSPOR (ribuan dollar AS) 1995 3495901 1573303 1963636 1997 3474402 1552585 1493416 1999 3595060 1604359 839200 2001 3372421 1501428 888623 2002 3318359 1630359 1037562
  • 20. PEMBAHASAN (KoefisienPEMBAHASAN (Koefisien Determinasi)Determinasi)  BerdasarBerdasar tabel Model Summarytabel Model Summary diperoleh Rdiperoleh R Square = 0,032 =Square = 0,032 = 3,2%,3,2%, artinyaartinya pengaruhpengaruh jumlah produksi dan luas areal terhadapjumlah produksi dan luas areal terhadap nilai ekspor hanya sebesar 3,2% sisanyanilai ekspor hanya sebesar 3,2% sisanya dipengaruhi oleh faktor laindipengaruhi oleh faktor lain.. Model Summary ,179a ,032 -,936 664641,941 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Predictors: (Constant), produksi, luasa.
  • 21.  Uji FUji F Nilai Sig pada tabel ANOVA sebesarNilai Sig pada tabel ANOVA sebesar 0,968 > 0,05, maka0,968 > 0,05, maka secara bersama-samasecara bersama-sama variabel luas areal, jumlah produksivariabel luas areal, jumlah produksi tidaktidak berpengaruhberpengaruh terhadap nilai eksporterhadap nilai ekspor.. PEMBAHASAN (Uji F)PEMBAHASAN (Uji F) ANOVAb 2,94E+10 2 1,468E+10 ,033 ,968a 8,83E+11 2 4,417E+11 9,13E+11 4 Regression Residual Total Model 1 Sum of Squares df Mean Square F Sig. Predictors: (Constant), produksi, luasa. Dependent Variable: eksporb.
  • 22.  SecaraSecara partialpartial var. Luas arealvar. Luas areal tidak berpengaruhtidak berpengaruh terhadap var. nilai ekspor karena nilai SIG :terhadap var. nilai ekspor karena nilai SIG : 0,825 > 0,05.0,825 > 0,05.  Var Jumlah produksi jugaVar Jumlah produksi juga tidak berpengaruhtidak berpengaruh secarasecara partialpartial terhadap var. nilai ekspor krn SIGterhadap var. nilai ekspor krn SIG = 0.941 > 0,05.= 0.941 > 0,05. PEMBAHASAN (Uji t)PEMBAHASAN (Uji t) Coefficientsa -524815 1,4E+07 -,037 ,974 ,771 3,077 ,175 ,251 ,825 -,568 6,741 -,059 -,084 ,941 (Constant) luas produksi Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Dependent Variable: ekspora.
  • 23. PEMBAHASANPEMBAHASAN  Karena melihat dari hasil Uji F dan Uji t,Karena melihat dari hasil Uji F dan Uji t, dimana tidak dijumpai pengaruh baikdimana tidak dijumpai pengaruh baik secara bersama-sama atau partial padasecara bersama-sama atau partial pada var. independen terhadap var. dependen,var. independen terhadap var. dependen, maka analisis tidak perlu diteruskanmaka analisis tidak perlu diteruskan sampai ke persamaan matematika.sampai ke persamaan matematika.