Probability(Teori Kemungkinan), Probabilita digunakan untuk mengukur seberapa besar ketidak-pastian suatu peristiwa terjadi dari suatu observasi
Rumus dasar => P = x/n
X = Peristiwa n = Observasi
Berdasarkan analisis data yang diberikan, terdapat hubungan yang signifikan antara variabel H2SO4 (X1) dan NaOH (X2) secara simultan terhadap pH (Y). Hal ini didukung oleh nilai koefisien korelasi ganda (R) sebesar 0,87 yang lebih besar dari nilai Ftabel.
Terdapat 7 jenis paradigma yang dijelaskan dalam dokumen tersebut, yaitu: 1) paradigma sederhana, 2) paradigma sederhana berurutan, 3) paradigma ganda dengan dua variabel independen, 4) paradigma ganda dengan tiga variabel independen, 5) paradigma ganda dengan dua variabel dependen, 6) paradigma ganda dengan dua variabel independen dan dua variabel dependen, 7) paradigma jalur. Setiap paradigma memiliki unsur rumusan masalah, teori,
Bab ini membahas tinjauan pustaka mengenai metode analisis yang digunakan dalam penelitian yaitu statistika deskriptif, analisis korespondensi, dan algoritmanya. Analisis korespondensi digunakan untuk menganalisis hubungan antar variabel dengan merepresentasikan baris dan kolom tabel kontingensi dalam ruang vektor berdimensi rendah. SVD dipergunakan untuk mereduksi dimensi data sehingga dapat mempertahankan informasi optimal. Jarak chi-ku
Soal dan jawaban uci chi kuadrat dan regresiVivin Dolpin
Uji chi kuadrat digunakan untuk menguji dua kelompok data baik variabel independen maupun dependennya berbentuk kategori atau dapat di katakan sebagaai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat diskrit.Regresi sedehana dapat dianalisi karena didasari oleh hubungan fungsional atau hubungan sebab akibat (kausal) variabel bebas (x) terhadap variabel terikat(y)
Probability(Teori Kemungkinan), Probabilita digunakan untuk mengukur seberapa besar ketidak-pastian suatu peristiwa terjadi dari suatu observasi
Rumus dasar => P = x/n
X = Peristiwa n = Observasi
Berdasarkan analisis data yang diberikan, terdapat hubungan yang signifikan antara variabel H2SO4 (X1) dan NaOH (X2) secara simultan terhadap pH (Y). Hal ini didukung oleh nilai koefisien korelasi ganda (R) sebesar 0,87 yang lebih besar dari nilai Ftabel.
Terdapat 7 jenis paradigma yang dijelaskan dalam dokumen tersebut, yaitu: 1) paradigma sederhana, 2) paradigma sederhana berurutan, 3) paradigma ganda dengan dua variabel independen, 4) paradigma ganda dengan tiga variabel independen, 5) paradigma ganda dengan dua variabel dependen, 6) paradigma ganda dengan dua variabel independen dan dua variabel dependen, 7) paradigma jalur. Setiap paradigma memiliki unsur rumusan masalah, teori,
Bab ini membahas tinjauan pustaka mengenai metode analisis yang digunakan dalam penelitian yaitu statistika deskriptif, analisis korespondensi, dan algoritmanya. Analisis korespondensi digunakan untuk menganalisis hubungan antar variabel dengan merepresentasikan baris dan kolom tabel kontingensi dalam ruang vektor berdimensi rendah. SVD dipergunakan untuk mereduksi dimensi data sehingga dapat mempertahankan informasi optimal. Jarak chi-ku
Soal dan jawaban uci chi kuadrat dan regresiVivin Dolpin
Uji chi kuadrat digunakan untuk menguji dua kelompok data baik variabel independen maupun dependennya berbentuk kategori atau dapat di katakan sebagaai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat diskrit.Regresi sedehana dapat dianalisi karena didasari oleh hubungan fungsional atau hubungan sebab akibat (kausal) variabel bebas (x) terhadap variabel terikat(y)
Modul ini membahas regresi dan korelasi sederhana serta berganda, chi-square, dan statistik nonparametrik. Topik utama meliputi pengertian dan metode regresi, korelasi, uji hipotesis koefisien regresi, interval taksiran, serta contoh soalnya.
Model Distribusi lag dan distribusi autoregressiveAgung Handoko
Makalah Model Distribusi lag dan distribusi autoregressive
Contoh Model Distribusi lag dan distribusi autoregressive
Pengertian Model Distribusi lag dan distribusi autoregressive
Soal Model Distribusi lag dan distribusi autoregressive
Dokumen ini membahas distribusi peluang binomial dan Poisson dalam statistika dasar. Terdapat contoh-contoh perhitungan peluang menggunakan distribusi binomial untuk percobaan Bernoulli dan distribusi Poisson untuk kejadian acak yang terjadi dalam interval waktu.
Uji Kolmogorov Smirnov adalah uji normalitas yang membandingkan distribusi data yang diuji dengan distribusi normal standar untuk menentukan apakah data berasal dari distribusi normal. Uji ini dapat digunakan untuk populasi besar maupun kecil dan lebih sederhana dibanding uji chi-square lainnya. Namun kelemahannya adalah tidak dapat menentukan jenis transformasi yang tepat jika data tidak normal.
Dokumen tersebut berisi ringkasan hasil analisis data dengan menggunakan program SPSS 16.0. Terdapat 5 poin utama yang dirangkum, yaitu: 1) entri dan identifikasi data, 2) analisis deskriptif, 3) analisis korelasi bivariat, 4) analisis korelasi multivariat, 5) analisis korelasi nonparametrik.
Laporan Kerja Praktek Badan Pusat Statistik (BPS) Kota MakassarDian Arisona
Bab 1 membahas latar belakang dan tujuan dari kerja praktek mahasiswa statistika di BPS Kota Makassar. Bab 2 memberikan gambaran umum tentang sejarah, visi misi, dan peran BPS."
Dokumen tersebut membahas tentang model regresi logistik, yaitu teknik pemodelan untuk variabel dependen bersifat dikotomi sedangkan variabel independennya berskala interval atau rasio. Model ini menghasilkan peluang kejadian variabel dependen berdasarkan kombinasi linier variabel penjelasnya. Koefisien model diduga menggunakan maximum likelihood untuk memaksimalkan fungsi log-likelihood. Contoh kasus menggunakan data kemampuan matematika dan keberhasilan
Distribusi sampling memberikan kerangka untuk memahami variasi statistik sampel yang diambil dari populasi. Terdapat berbagai jenis distribusi sampling seperti rata-rata, proporsi, beda rata-rata dan proporsi yang mengikuti distribusi tertentu seperti normal, t student, dan binomial. Pemahaman distribusi sampling penting untuk melakukan inferensi statistik dari sampel ke populasi.
Teknik analisis korelasi Pearson digunakan untuk mengetahui hubungan antara nilai matematika dan fisika siswa dengan menghitung koefisien korelasi dan melakukan uji signifikansi. Hasilnya menunjukkan koefisien korelasi 0,077 yang tidak signifikan, sehingga tidak terdapat hubungan antara kedua variabel.
Modul ini membahas regresi dan korelasi sederhana serta berganda, chi-square, dan statistik nonparametrik. Topik utama meliputi pengertian dan metode regresi, korelasi, uji hipotesis koefisien regresi, interval taksiran, serta contoh soalnya.
Model Distribusi lag dan distribusi autoregressiveAgung Handoko
Makalah Model Distribusi lag dan distribusi autoregressive
Contoh Model Distribusi lag dan distribusi autoregressive
Pengertian Model Distribusi lag dan distribusi autoregressive
Soal Model Distribusi lag dan distribusi autoregressive
Dokumen ini membahas distribusi peluang binomial dan Poisson dalam statistika dasar. Terdapat contoh-contoh perhitungan peluang menggunakan distribusi binomial untuk percobaan Bernoulli dan distribusi Poisson untuk kejadian acak yang terjadi dalam interval waktu.
Uji Kolmogorov Smirnov adalah uji normalitas yang membandingkan distribusi data yang diuji dengan distribusi normal standar untuk menentukan apakah data berasal dari distribusi normal. Uji ini dapat digunakan untuk populasi besar maupun kecil dan lebih sederhana dibanding uji chi-square lainnya. Namun kelemahannya adalah tidak dapat menentukan jenis transformasi yang tepat jika data tidak normal.
Dokumen tersebut berisi ringkasan hasil analisis data dengan menggunakan program SPSS 16.0. Terdapat 5 poin utama yang dirangkum, yaitu: 1) entri dan identifikasi data, 2) analisis deskriptif, 3) analisis korelasi bivariat, 4) analisis korelasi multivariat, 5) analisis korelasi nonparametrik.
Laporan Kerja Praktek Badan Pusat Statistik (BPS) Kota MakassarDian Arisona
Bab 1 membahas latar belakang dan tujuan dari kerja praktek mahasiswa statistika di BPS Kota Makassar. Bab 2 memberikan gambaran umum tentang sejarah, visi misi, dan peran BPS."
Dokumen tersebut membahas tentang model regresi logistik, yaitu teknik pemodelan untuk variabel dependen bersifat dikotomi sedangkan variabel independennya berskala interval atau rasio. Model ini menghasilkan peluang kejadian variabel dependen berdasarkan kombinasi linier variabel penjelasnya. Koefisien model diduga menggunakan maximum likelihood untuk memaksimalkan fungsi log-likelihood. Contoh kasus menggunakan data kemampuan matematika dan keberhasilan
Distribusi sampling memberikan kerangka untuk memahami variasi statistik sampel yang diambil dari populasi. Terdapat berbagai jenis distribusi sampling seperti rata-rata, proporsi, beda rata-rata dan proporsi yang mengikuti distribusi tertentu seperti normal, t student, dan binomial. Pemahaman distribusi sampling penting untuk melakukan inferensi statistik dari sampel ke populasi.
Teknik analisis korelasi Pearson digunakan untuk mengetahui hubungan antara nilai matematika dan fisika siswa dengan menghitung koefisien korelasi dan melakukan uji signifikansi. Hasilnya menunjukkan koefisien korelasi 0,077 yang tidak signifikan, sehingga tidak terdapat hubungan antara kedua variabel.
1. Regresi linear sederhana digunakan untuk menguji hubungan antara variabel penyebab dan akibat dengan menghitung konstanta dan koefisien regresi.
2. Korelasi positif kuat sebesar 0,67 ditemukan antara resiliensi diri dan hasil belajar siswa.
3. 45% variasi hasil belajar siswa dapat dijelaskan oleh resiliensi diri.
Analisis Korelasi dan Regresi SederhanaAgung Anggoro
Dokumen tersebut membahas analisis korelasi dan regresi sederhana. Ia menjelaskan konsep korelasi Pearson dan koefisien korelasi untuk mengukur hubungan antara dua variabel, serta rumus dan asumsi analisis regresi linier untuk memodelkan hubungan antara variabel tergantung dan bebas. Contoh kasus yang diberikan melibatkan analisis korelasi dan regresi antara promosi dan penjualan produk.
Analisis korelasi digunakan untuk mengukur hubungan antara dua variabel atau lebih. Korelasi linear sederhana mengukur hubungan antara dua variabel, sedangkan korelasi linear berganda untuk lebih dari dua variabel. Korelasi dapat berupa hubungan positif, negatif, linear, atau non-linear. Koefisien korelasi dan determinasi dihitung untuk mengukur kekuatan hubungan antara variabel.
Dokumen tersebut membahas tentang analisis regresi dan korelasi sederhana, termasuk definisi dari variabel independen dan dependen, jenis hubungan antar variabel, cara penggambaran garis regresi, dan beberapa parameter untuk mengukur hubungan antar variabel seperti koefisien regresi, koefisien determinasi, dan koefisien korelasi."
Dokumen tersebut membahas tentang analisis regresi dan korelasi untuk mempelajari hubungan antara dua variabel atau lebih. Variabel independen mempengaruhi variabel dependen. Analisis ini mengukur seberapa kuat hubungan antar variabel dan menentukan arah hubungan tersebut yaitu positif, negatif, atau tidak ada hubungan. Garis regresi digunakan untuk memodelkan hubungan antar variabel berdasarkan metode kuadrat terkecil.
Dokumen tersebut membahas tentang analisis regresi dan korelasi. Ia menjelaskan bahwa analisis regresi digunakan untuk mempelajari hubungan antara variabel independen dan dependen, serta mengukur kekuatan hubungan tersebut melalui koefisien korelasi dan koefisien determinasi. Dokumen ini juga menjelaskan cara menentukan persamaan regresi linier dan menghitung nilai a dan b, serta contoh soal penerapannya.
Dokumen tersebut membahas tentang analisis regresi dan korelasi. Ia menjelaskan bahwa analisis regresi digunakan untuk mempelajari hubungan antara variabel independen dan dependen, serta mengukur kekuatan hubungan tersebut melalui koefisien korelasi dan koefisien determinasi. Dokumen ini juga menjelaskan cara menentukan persamaan regresi linier dan menghitung nilai a dan b, serta contoh soal penerapannya.
Analisis korelasi digunakan untuk mengukur hubungan antara dua atau lebih variabel. Korelasi menunjukkan arah dan kekuatan hubungan antar variabel, diukur dengan koefisien korelasi antara -1 hingga 1. Analisis ini bertujuan mengetahui hubungan, kekuatan hubungan, dan signifikansi hubungan antar variabel. Contoh menunjukkan hubungan positif dan signifikan antara minat baca dan keterampilan menulis berdasarkan ko
Dokumen tersebut membahas tentang regresi linier sederhana, termasuk definisi, contoh perhitungan nilai a dan b, persamaan regresi, koefisien determinasi, dan selisih taksir standar."
Dokumen tersebut membahas analisis regresi dan korelasi sederhana, termasuk definisi, model persamaan, dan uji hipotesis untuk kedua analisis tersebut. Analisis regresi digunakan untuk mengetahui pengaruh satu atau lebih variabel bebas terhadap variabel tidak bebas, sedangkan analisis korelasi untuk mengetahui kekuatan hubungan antar variabel. Keduanya melibatkan penentuan koefisien dan uji signifikansi melalui statistik uji t
2. KORELASI LINIER SEDERHANA
Adalah teknik statistik yang digunakan untuk mengukur
keeratan hubungan (korelasi) antara dua variabel tanpa
memperhatikan variabel mana yang menjadi peubah. Ukuran
yang menyatakan keeratan hubungan adalah koefisien
korelasi. Koefisien ini bernilai antara –1 sampai dengan +1.
Sebuah langkah awal yang sangat bermanfaat dalam melihat
hubungan antara dua variabel adalah menampilkan informasi
data ke dalam bentuk diagram pencar.
3. DIAGRAM PENCAR
Menggambarkan titik-titik plot dari data yang
diperoleh, berguna untuk:
membantu melihat apakah ada relasi yang
berguna antar variabel
membantu menentukan jenis persamaan yang
akan digunakan untuk menentukan hubungan
tersebut.
4. Bentuk Hubungan
Korelasi Negatif
Hubungan negatif
menyatakan hubungan
semakin besar nilai pada
variabel X, diikuti pula
perubahan dengan semakin
kecil nilai pada variabel Y.
Korelasi Positif
Hubungan positif
menyatakan hubungan
semakin besar nilai pada
variabel X, diikuti pula
perubahan dengan semakin
besar nilai pada variabel Y
5. Kekuatan Hubungan
Bila titik-titik menbar pada satu garis lurus, maka kekuatan
hubungan antara kedua variabel tersebut sangat sempurna.
Kekuatan hubungan dapat dikuantifikasi melalui suatu koefisien
yaitu koefisien korelasi (r pearson).
Koefisien ini akan berkisar antara 0 – 1. bila r = 0 tidak ada
hubungan linier. r = 1 hubungan linier sempurna. 0-1 = bila
mendekati 1 semakin kuat hubungannya, bila mendekati 0 semakin
lemah hubungannya.
Lihat tandanya apakah korelasi positif atau negatif.
6. Tingkat korelasi
Interval Koefisien Tingkat Hubungan
0.000 – 0.199 Sangat rendah
0.200 – 0.399 Rendah
0.400 – 0.599 Sedang
0.600 – 0.799 Kuat
0.800 – 1.000 Sangat kuat
7. Korelasi Product Moment
(Pearson)
n(∑XY) – (∑X) (∑Y)
r =
√[(n∑X2) – (∑X)2] [(n∑Y2) –
(∑Y)2]
Ket: n = jumlah sampel
X = nilai pada ordinat X
Y = nilai pada ordinat Y
Rumus Korelasi
Koefisien
9. Hasil
Dilihat dari besarnya r yang
mendekati 1, maka hubungan
antara SGOT dengan HDL adalah
kuat.
Berpola linier positif
Maka makin tinggi SGOT maka
akan semakin tinggi kadar HDL.
11. A. Korelasi Product Moment
Korelasi Pearson atau sering
disebut Korelasi Product Moment
(KPM) merupakan alat uji
statistik yang digunakan untuk
menguji hipotesis asosiatif (uji
hubungan) dua variabel bila
datanya berskala interval atau
rasio. KPM dikembangkan oleh
Karl Pearson (Hasan, 1999).
Korelasi product moment yang
dikemukakan oleh pearson ini
menggunakan bentuk perkalian
variabel-variabelnya. Perkalian
dalam rumus ini terjadi antara
variabel X dengan variabel Y baik
pada skor asli secara langsung
atau perkalian pada simpangan
baku bersama (kovarian).
12. 1. Perkalian Skor Simpangan
• Menghitung koefisien korelasi menggunakan hasil perkalian antara kedua variabel X dengan
variabel Y pada skor simpangan (xy).
• Perhitungan menggunakan simpangan dari masing-masing variabel dan perkalian antar
simpangan
Adapun rumusnya:
r =
∑𝑥𝑦
(∑𝑥2) (∑𝑦²)
Keterangan:
r =Koefisiensi korelasi anatara variabel X dan variabel Y :dua variabel yang dikorelasikan (x=x-Ẋ)
dan( y= y-ӯ).
∑xy =Jumlah perkalian x dengan y
∑x² =Kuadrat dari x (deviasi x)
∑y² =Kuadrat dari y (deviasi y)
13. Contoh soal
Tabel Perhitungan Kovariansi
Menggunakan Skor Simpangan
r =
∑𝑥𝑦
(∑𝑥2) (∑𝑦²)
r =
151,6
1040,4 (205,734)
r = 0,327
Berdasarkan hasil
perhitungan diperoleh
koefisien korelasi (r) =
0,327.
14. 2. Simpangan Baku
dan Kovariansi
• Teknik untuk menghitung koefisien korelasi
menggunakan simpangan baku pada variabel X (Sx),
variabel Y (Sy), dan simpangan baku bersama (Sxy).
Adapun rumusnya
r =
𝑆𝑥𝑦
𝑆𝑥𝑆𝑦
Simpangan baku dapat dihitung melalui simpangan
masing-masing variabel X dan variabel Y serta
kovarian dihitung dengan perkalian simpangan.
𝑆𝑥𝑦 =
∑𝑥𝑦
𝑁
𝑆𝑥=
∑𝑥²
𝑁
𝑆𝑦=
∑𝑥²
𝑁
16. 3) Perhitungan koefisien korelasi dengan skor asli
• Koefisien korelasi adalah Angka yang menunjukkan tinggi atau rendahnya
hubungan antara dua variabel atau lebih
• Menggunakan skor asli dari kedua variabel X dengan variabel Y
• Perhitungan menggunakan perkalian dari masing-masing variabel X dengan
variabel Y atau XY
• Dapat digunakan pada program pengolahan data seperti SPSS atau Ms. Excel
Adapun Rumus nya :
18. B. Koefisien determinasi
• Koefisien determinasi (R Square) sering
disimbolkan dengan R2/ r2
• Dimaknai sebagai sumbangan hubungan yang
diberikan variabel bebas (X) terhadap variabel
terikat (Y)
• Merupakan proporsi untuk menentukan
terjadinya persentase variansi bersama antara
variabel X dengan Variabel Y jika dikalikan
100%.
• Nilai R square digunakan untuk memprediksi
seberapa besar kontribusi hubungan variabel
bebas (X) terhadap variabel terikat (Y) dengan
syarat hasil uji F dalam analisis regresi bernilai
signifikan
• Besarnya koefisien determinasi adalah
0≤ r2 ≤ 1
• Tidak ada koefisien determinasi yang
bertanda negatif
• Semakin kecil nilai R square, hubungan
variabel bebas dan variabel terikat
semakin lemah,
• Apabila nilai R square mendekati 1,
maka hubungan tersebut akan semakin
kuat.
Diketahui :
• Variabel motivasi belajar (X) merupakan prediktor untuk variabel prestasi (Y)
• Diperoleh r = 0,87 maka r2 0,872 = 0,7569 x 100% = 75,69%
• Dapat dikatakan 75,69% variansi prestasi dapat dijelaskan oleh motivasi belajar, dan
sisanya sebesar 24,31% dijelaskan oleh variabel lainnya diluar motivasi belajar yang
disebut dengan koefisien aliansi.
Contoh
19. ANALISIS
REGRESI
Analisis regresi
berguna untuk
meramalkan/
memprediksi
variabel terikat (Y)
bila variabel bebas
(X) diketahui.
• Analisis Korelasi
sarana yang digunakan untuk mengukur
keeratan dua variabel atau lebih
• Analisis Regresi
sarana yang dipergunakan untuk mempelajarai
hubungan fungsional antara variabel-variabel
yang dinyatakan dalam bentuk persamaan
matematik dan garis.
• Metode apa yang digunakan untuk menghitung
regresi linear ?
20. Metode perhitungan yang digunakan untuk menghitung
regresi linear sederhana yaitu:
• “Metode Tangan Bebas"
Digunakan untuk
menentukan dugaan
regresi berbentuk linear
atau tidak; digambarkan
melalui di
• “Metode Kuadrat Kecil”
Digunakan untuk menentukan
hubungan linier dari suatu data
agar dapat diprediksi nilai-
nilainya; untuk menentukan
hubungan dua variabel data
berupa fungsi linier disebut
sebagai regresi linier.
23. Dari hasil pengukuran pada
penguasaan kosa kata (X)
dan kemampuan membaca (Y)
diketahui:
No X Y
1 75 68
2 78 72
3 38 63
4 94 74
5 83 68
6 91 81
7 87 72
8 91 74
9 38 58
10 68 58
Σ 743 688
Contoh Soal
24. Metode
Kuadrat Kecil
Cara untuk mencari regresi linier
yang memiliki akurasi yang
cukup tinggi. Metode bertitik
tolak pada kenyataan bahwa
jumlah kuadrat dari pada deviasi
antara titik-titik yang sedang
dicari harus sekecil mungkin.
25. Persamaan regresi
linier sederhana
seperti :
Ŷ = a + bX
Ŷ = (baca Y topi), subjek dalam variabel terikat
(variabel Y) yang diprediksikan
a = nilai konstan harga Y jika X = 0
b = angka arah atau koefisien regresi, yang
menunjukkan peningkatan atau penurunan nilai
variabel Y yang didasarkan pada variabel X. Bila b
positif (+) maka naik, dan bila negatif (-)
maka terjadi penurunan
X = variabel bebas (variabel X) yang mempunyai
nilai tertentu
31. Persamaan regresi Ŷ= 35,824 + 0,476X tersebut dapat digunakan untuk memprediksi
bagaimana individu dalam variabel terikat (Y) akan terjadi, jika individu dalam
variabel bebas (X) ditetapkan.
Misalnya ditetapkan nilai Bahasa (X) = 65
Maka nilai IPS (Y) diprediksikan:
Ŷ= 35,824 + 0,476(65)
= 66,764
Jadi diperkirakan nilai IPS = 66,764