Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Regresi Linier Sederhana dan Korelasi

Presentasi serupa


Presentasi berjudul: "Regresi Linier Sederhana dan Korelasi"— Transcript presentasi:

1 Regresi Linier Sederhana dan Korelasi
UPN “VETERAN” JATIM

2 Pengertian Regresi merupakan teknik statistika yang digunakan untuk mempelajari hubungan fungsional dari satu atau beberapa peubah bebas (peubah yang mempengaruhi) terhadap satu peubah tak bebas (peubah yang dipengaruhi) Korelasi merupakan ukuran kekuatan hubungan dua peubah (tidak harus memiliki hubungan sebab akibat)

3 Korelasi : hubungan keterkaitan antara dua atau lebih variabel.
Angka koefisien korelasi ( r ) bergerak -1 ≤ r ≤ +1 POSITIF makin besar nilai variabel 1 menyebabkan makin besar pula nilai variabel 2 Contoh : makin banyak waktu belajar, makin tinggi skor Ulangan  korelasi positif antara waktu belajar dengan nilai ulangan NEGATIF makin besar nilai variabel 1 menyebabkan makin kecil nilai variabel 2 contoh : makin banyak waktu bermain, makin kecil skor Ulangan  korelasi negatif antara waktu bermain dengan nilai ulangan NOL tidak ada atau tidak menentunya hubungan dua variabel contoh : pandai matematika dan jago olah raga ; pandai matematika dan tidak bisa olah raga ; tidak pandai matematika dan tidak bisa olah raga  korelasi nol antara matematika dengan olah raga

4 r= √ √ 1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana arah hubungan dan berapa besar hubungan tersebut. Digunakan jika data variabel kontinyu dan kuantitatif nΣXY – (ΣX) (ΣY) Di mana : ΣXY = jumlah perkalian X dan Y ΣX2 = jumlah kuadrat X ΣY2 = jumlah kuadrat Y N = banyak pasangan nilai r= nΣX2 – (ΣX)2 x nΣY2 – (ΣY)2 Contoh : 10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS Siswa : A B C D E F G H I J Waktu (X) : Tes (Y) : Apakah ada korelasi antara waktu belajar dengan hasil tes ? Siswa X X2 Y Y2 XY A B ΣX ΣX2 ΣY ΣY2 ΣXY

5 2. KORELASI SPEARMAN (rho) dan Kendall (tau) :
Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasi non parametrik 6Σd2 Di mana : N = banyak pasangan d = selisih peringkat rp = 1 - N(N2 – 1) Contoh : 10 orang siswa yang memiliki nilai matematika dan statistik Siswa : A B C D E F G H I J Matematika : Statistik : Hitunglah koefesien korelasi rank rhonya ? Siswa A B C D Matematika Statistik d d2 Σd2

6 Σ (O – E)2 X2 = Di mana E P L Σ a b c d Σ df = (kolom – 1)(baris – 1)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif. Σ (O – E)2 O = skor yang diobservasi E = skor yang diharapkan (expected) X2 = Di mana E Contoh : Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta 10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris. Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ? Ho = tidak ada hubungan antara baris dengan kolom H1 = ada hubungan antara baris dengan kolom P L Σ O E (O-E) (O-E)2 (O-E)2/E a 20 (a+b)(a+c)/N b 10 (a+b)(b+d)/N c (c+d)(a+c)/N d 30 (c+d)(b+d)/N a b Fasih c d Tidak fasih Σ df = (kolom – 1)(baris – 1) Jika X2 hitung < X2 tabel, maka Ho diterima Jika X2 hitung > X2 tabel, maka Ho ditolak

7 Chi-Square dengan menggunakan SPSS
KASUS : apakah ada hubungan pendidikan dengan status marital responden Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada hubungan pendidikan dengan status marital H1 = ada hubungan pendidikan dengan status marital Dasar pengambilan keputusan : X2 hitung < X2 tabel  Ho diterima ; X2 hitung > X2 tabel  Ho ditolak probabilitas > 0.05  Ho diterima ; probabilitas < 0.05  Ho ditolak pendidikan terakhir Total S1 S2 S3 status perkawinan belum kawin 21 3 1 25 kawin 32 9 6 47 janda 5 2 10 duda 4 8 62 19 90 Value df Asymp. Sig. (2-sided) Pearson Chi-Square 9,431 6 ,151 Likelihood Ratio 9,541 ,145 Linear-by-Linear Association 3,070 1 ,080 N of Valid Cases 90 Value Approx. Sig. Nominal by Nominal Contingency Coefficient ,308 ,151 N of Valid Cases 90 Hasil : tingkat signifikansi = 5% ; df = 6 ; X2 tabel = ; X2 hitung = ; asymp. sig = ; contingency coeff. = 0.526 Karena : X2 hitung < X2 tabel maka Ho diterima asymp. Sig > 0.05 maka Ho diterima Artinya tidak ada perbedaan tingkat pendidikan berdasarkan status maritalnya dan hal ini diperlihatkan dengan kuatnya hubungan yang hanya 30.8%

8 Regresi Dari derajat (pangkat) tiap peubah bebas
Linier (bila pangkatnya 1) Non-linier (bila pangkatnya bukan 1) Dari banyaknya peubah bebas (yang mempengaruhi) Sederhana (bila hanya ada satu peubah bebas) Berganda (bila lebih dari satu peubah bebas)

9 Regresi Linier Sederhana
Model Yi = a + bXi + ei Yi merupakan nilai pengamatan ke-i. A adalah parameter regresi (intersep) b1 adalah parameter regresi (slope) ei kesalahan ke-i. Asumsi : peubah X terukur tanpa kesalahan; X tidak memiliki distribusi (bukan random variable) kesalahan menyebar normal dengan rata-rata nol dengan simpangan baku se.

10 Regresi Linier Sederhana
Atau dapat ditulis dengan Persamaan Regresi Linier dari X terhadap Y dirumuskan :

11 RUMUS I

12 RUMUS II

13 RUMUS III

14 Contoh……. Berikut ini data mengenai pendapatan dan konsumsi
Pertanyaanya : a. Tentukan nilai a dan b b. Buatkan persamaan garis regresinya c. Berapa kenaikan konsumsi jika pendapatan seseorang sebesar 3 ribu Y X 5 2 8 3 7 11 6 1 10 4


Download ppt "Regresi Linier Sederhana dan Korelasi"

Presentasi serupa


Iklan oleh Google