materi

1. PROGRAM STUDI PENYULUHAN PERTANIAN
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS MUHAMMADIYAH PALOPO
2023
Dr. ADI RIYANTO S, S.Pd., M.Si
ANALISIS
STATISTIK

2. KONTRAK
PERKULIAHAN
ANALISIS STATISTIK

3. MATERI PEMBELAJARAN
Derajat keeratan
hubungan antar
variabel
Menolak atau
menerima
hipotesis
Tingkat pengaruh di
antara variabel
Membandingkan
mean dua
kelompok data
REGRESI
KORELASI
UJI BEDA
UJI HIPOTESIS
02
01
04 03

4. Korelasi negatif Korelasi negatif Tidak ada Korelasi positif korelasi positif
sempurna sedang korelasi sedang sempurna
negatif kuat negatif lemah positif lemah positif kuat
-1,0 -0,5 0,0 0,5 1,0
Korelasi Negatif Korelasi Positif
Kekuatan koefisien korelasi
Mengingatkan

5. ANALISIS KORELASI GANDA

6. Jika ingin mengetahui hubungan atau pengaruh dari beberapa variabel secara
bersama-sama terhadap sebuah variabel, digunakan korelasi linear berganda.
Misal:
• Ingin mengetahui hubungan antara pendapatan rumah tangga per bulan dan
jumlah tanggungan keluarga terhadap pengeluaran rumah tangga
• Ingin mengetahui pengaruh usia dan tinggi badan secara bersama-sama
terhadap berat badan
Untuk menghitung korelasi yang bersifat kausalitas atau pengaruh, maka perlu
ditentukan atau ditetapkan terlebih dahulu:
• variabel mana yang menjadi variabel bebas (variabel independent, biasa
dinyatakan dengan simbol X); dan
• variabel mana yang menjadi variabel terikat, variabel yang terpengaruh (variabel
dependent, biasa dinyatakan dengan simbol Y)

7. RUMUS
Hubungan atau pengaruh 2 variabel bebas (X1 dan X2) terhadap variable terikat
(Y) dapat dihitung dengan rumus:

8. Untuk 2 variabel bebas (X1 dan X2 ) maka r dihitung dengan rumus:
2
1
2
1
2
1
2
1
2
1
x
x
2
x
x
y x
y x
y x
2
y x
2
x
y x
r
1
r
r
r
2
r
r
r
−
−
+
=
dimana :
2
1 x
y x
r = Koefisien korelasi ganda antara variable X1 dan X2 secara
bersama-sama dengan variable Y
1
y x
r = Koefisien korelasi X1 dengan Y
2
y x
r = Koefisien korelasi X2 dengan Y
2
1 x
x
r = Koefisien korelasi X1 dengan X2

9. Misalkan kita melakukan pengamatan terhadap 10 keluarga mengenai:
X1 = pendapatan dalam ribuan rupiah
X2 = jumlah keluarga dalam satuan jiwa
Y = pengeluaran untuk membeli barang A dalam ratusan rupiah
X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19
Akan dibuktikan ada hubungan linier positif dan signifikan antara variabel X1
dan X2 secara bersama-sama dengan variabel Y.
Contoh :
Jutaan
Ratusan ribu rupiah

10. ~
KORELASI
PEARSON

12. No X1 X2 Y X1Y X2Y X1X2 X1
2
X2
2
Y2
1 10 7 23 230 161 70 100 49 529
2 2 3 7 14 21 6 4 9 49
3 4 2 15 60 30 8 16 4 225
4 6 4 17 102 68 24 36 16 289
5 8 6 23 184 138 48 64 36 529
6 7 5 22 152 110 35 49 25 484
7 4 3 10 40 30 12 16 9 100
8 6 3 14 84 42 18 36 9 196
9 7 4 20 140 80 28 49 16 400
10 6 3 19 114 57 18 36 9 361
Jumlah 60 40 170 1121 737 267 406 182 3162
Dari tabel diperoleh:
n = 10, X1 = 60, X2 = 40, Y = 170, X1Y = 1122, X2Y = 737, X1 X2 = 267,
X1
2
= 406, X2
2
= 182, Y2
= 3162

13. Silahkan hitung korelasi
lainnya: ryx1, ryx2

14. Kesimpulan:
Terdapat hubungan yang sangat
kuat antara X2 bersama-sama
dengan X1 terhadap Y
Terdapat hubungan yang sangat
kuat antara pendapatan dan
jumlah keluarga dengan
pengeluaran untuk membeli
barang A
atau

15. Analisis Regresi

16. Jika keeratan hubungan 2 variabel (mis: X dan Y) telah diketahui dan
ingin dilihat lebih jauh hubungan tersebut, yaitu ingin melihat,
memprediksi atau meramal bagaimana variasi atau fluktuasi variabel
x mempengaruhi variasi atau fluktuasi variable Y, maka dapat
dilanjutkan dengan analisis regresi
X Y

17. Definisi Analisis Regresi Linear
• Analisis jenis ini merupakan sebuah metode yang berfungsi untuk mengukur
pengaruh variabel bebas terhadap variabel terikat. Analisis regresi biasa
disebut juga dengan anreg.
• Analisis regresi juga digunakan untuk memprediksi ketergantungan sebuah
variabel dengan menggunakan variabel bebas
Contoh penerapan:
Misal seorang dosen ingin menaksir atau meramalkan nilai mata kuliah
statistik seorang mahasiswa semester IV Universitas “Angin Ribut”,
berdasarkan data skor nilai tes intelegensia yang pernah dijalani oleh
mahasiswa ketika mendaftar.
• Data yang dibutuhkan adalah data nilai skor nilai tes intelegensia dan
data nilai mata kuliah statistik yang telah diperoleh Ketika sudah menjadi
mahasiswa.

19. Rumus Persamaan Regresi Linear Sederhana adalah seperti
berikut ini :
Y = a + bX
Keterangan :
• Y = Variabel terikat atau variabel akibat (Dependent)
• X = Variabel bebas atau variabel penyebab (Independent)
• a = konstanta
• b = koefisien regresi (kemiringan)

20. Nilai-nilai a dan b dapat dihitung dengan menggunakan
Rumus berikut:

21. Perusahaan benih jagung hibrida PT. JAGUNG ENAK SEKALI
(JES) merencanakan untuk meningkatkan kapasitas produksi
benih untuk memenuhi kebutuhan petani.
Salah satu metode yang digunakan untuk memperkenalkan
benih kepada petani adalah dengan promosi lapangan.
PT. JES ingin mengetahui seberapa besar pengaruh promosi
terhadap penjualan perusahaan.
Data yang dikumpulkan adalah sebagai berikut:
Contoh:

23. Dapat dihitung lebih mudah dengan menggunakan bantuan tabel
X Y X2 X.Y
Y = a + bX
Misal;
• Promosi adalah X
• Penjualan benih adalah Y

25. Maka dapat ditulis model persamaaan
regresinya:
Y = a + bX
Y = 66,995 + 1,420 X

26. • Jadi, jika biaya promosi dinaikan menjadi 87 juta, maka diperkirakan
nilai penjualan yang diperoleh adalah 190,50 juta, dengan
perhitungan:
Y = a + bX Y = 66,995 + (1,420).(87) = 190,50
• Nilai konstanta a = 66,995 menunjukkan bahwa tanpa promosi
(X=0) maka nilai penjualan produk benih hanya sebesar 66,995 juta
rupiah
• Nilai slope (kemiringan) b= 1,420 menunjukkan bahwa setiap
kenaikan biaya promosi sebesar 1 juta rupiah akan meningkatkan
nilai penjualan 1,420 juta rupiah

27. TUGAS
1. Berikut adalah data-data tentang biaya promosi dan volume penjualan
sebuah perusaan minyak wangi
Tentukan:
a. Korelasi dari kedua variabel
tersebut, dan interpretasikan
b. Tentukan koefisien determinasi!
c. Tentukan persamaan
regresinya.
d. Berapakah kira-kira volume
penjualannya jika, biaya
promosi ditingkatkan menjadi
25 juta rupiah

28. 3. Tabel dibawah ini menunjukkan berat badan, tinggi badan, dan
umur dari sampel random 12 anak laki-laki. Berat badan diukur
dalam pound, tinggi badan diukur dalam inci, dan umur diukur
dalam tahun.
Berat Badan
(X1)
Tinggi Badan
(X2)
Umur
(Y)
64 57 8
71 59 10
53 49 6
67 62 11
55 51 8
58 50 7
77 55 10
57 48 9
56 52 10
51 42 6
76 61 12
68 57 9
Hitung koefisien korelasi antara variabel X1 dan X2 secara
bersama-sama dengan variabel Y.
2.

29. 3. Tabel dibawah ini menunjukkan berat badan, tinggi badan, dan
umur dari sampel random 12 anak laki-laki. Berat badan diukur
dalam pound, tinggi badan diukur dalam inci, dan umur diukur
dalam tahun.
Berat Badan
(X1)
Tinggi Badan
(X2)
Umur
(Y)
64 57 8
71 59 10
53 49 6
67 62 11
55 51 8
58 50 7
77 55 10
57 48 9
56 52 10
51 42 6
76 61 12
68 57 9
Hitung koefisien korelasi antara variabel X1 dan X2 secara
bersama-sama dengan variabel Y.
Dikumpulkan Paling Lambat
tanggal 8 Januari 2024
Via Japri WA

30. SELAMAT BERJUMPA KEMBALI MINGGU DEPAN