Formula Koefisien Korelasi

Slides:



Advertisements
Presentasi serupa
Evaluasi Model Regresi
Advertisements

ANALISA BIVARIAT: KORELASI DAN REGRESI
REGRESI LINIER SEDERHANA
Chapter 12 Simple Linear Regression
Uji Hipotesis Dua Populasi
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
Regresi Linear Berganda: Perkiraan Interval dan Pengujian Hipotesis
Dosen: Nunung Nurhayati
Bahan Kuliah Statistika Terapan
ANALISIS REGRESI DAN KORELASI LINIER
Metode Statistika II Pertemuan 5 Pengajar: Timbang Sirait
HIPOTESIS 1 RATA-RATA.
MODEL REGRESI LINIER GANDA
REGRESI LINIER SEDERHANA
Tulis Pada Lembar Jawaban NAMA JADWAL MANUAL JADWAL KOMPUTER NPM DOSEN TA MANUAL TA KOMPUTER.
STATISTIKA INFERENSIA
HIPOTESIS Fery Mendrofa.
Kesetaraan Uji Koefisien Regresi dan Koefisien Korelasi
ANALISIS REGRESI DAN KORELASI
PENGUJIAN HIPOTESIS ASOSIATIF
REGRESI Bulek niyaFn.
ANALISIS KORELASI DAN REGRESI LINIER
Regresi linier sederhana
KORELASI DAN REGRESI LINEAR SEDERHANA
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah.
ANALISIS REGRESI SEDERHANA
ANALISIS KORELASI.
METODOLOGI PENELITIAN
REGRESI LINIER SEDERHANA
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
KORELASI & REGRESI.
UJI HIPOTESIS (2).
Analisis Korelasi dan Regresi linier
Analisis Korelasi & Regresi
Analisis Korelasi & Regresi
ANALISIS REGRESI DAN KORELASI
STATISTIKA ANALISIS REGRESI DAN KORELASI
STATISTIK II Pertemuan 10-11: Analisis Regresi dan Korelasi
Program Studi Statistika, semester Ganjil 2012/2013
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
Uji Konstanta (a) Regresi Linear Sederhana
Program Studi Statistika, semester Ganjil 2012/2013
MODUL 10 ANALISIS REGRESI
Regresi linier satu variable Independent
Praktikum Metode Regresi MODUL 1
PERTEMUAN KE-14 STATISTIK DESKRIPTIF
ANALISA REGRESI LINEAR DAN BERGANDA
Analisis Korelasi & Regresi
INFERENSI VEKTOR MEAN 1 Statistik Hotelling’s 2
Pertemuan Kesembilan Analisa Data
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
Analisis Regresi.
Regresi Linier Beberapa Variable Independent
Uji Korelasi dan Regresi
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
FIKES – UNIVERSITAS ESA UNGGUL
ANALISIS REGRESI LINIER
Latar Belakang Penelitian Perusahaan Go Public Pertumbuhan Ekonomi Pembayaran Dividen.
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
BAB VIII REGRESI &KORELASI BERGANDA
Transcript presentasi:

Formula Koefisien Korelasi atau: dimana: r = koefisien korelasi n = ukuran sampel x = nilai var bebas y = nilai var terikat

Contoh Kasus Tinggi Tabung Diameter Tabung y x xy y2 x2 35 8 280 1225 64 49 9 441 2401 81 27 7 189 729 33 6 198 1089 36 60 13 780 3600 169 21 147 45 11 495 2025 121 51 12 612 2601 144 =321 =73 =3142 =14111 =713

Contoh Perhitungan Tinggi y r = 0.886 → hubungan linier positif relatif kuat antara var x dan y Diameter, x

Uji Signifikansi untuk Korelasi Hipotesis H0: ρ = 0 (tak ada korelasi) HA: ρ ≠ 0 (ada korelasi) Uji Statistik (dgn n – 2 der. kebebasan)

Lanjutan H0: ρ = 0 (tak berkorelasi) H1: ρ ≠ 0 (ada korelasi) Apakah hub. Linier antara diameter dan tinggi tabung cukup signifikan pada taraf. signifikansi 0,05? H0: ρ = 0 (tak berkorelasi) H1: ρ ≠ 0 (ada korelasi)  =.05 , df = 8 - 2 = 6

Solusi Keputusan: Tolak H0 Kesimpulan: Ada hubungan linier pada taraf signifikansi 5% d.f. = 8-2 = 6 a/2=.025 a/2=.025 Reject H0 Do not reject H0 Reject H0 -tα/2 tα/2 -2.4469 2.4469 4.68

RLS Populasi y x εi Slope = β1 Random Error for this x value xi Observed Value of y for xi εi Slope = β1 Predicted Value of y for xi Random Error for this x value Intercept = β0 xi x

Penaksiran Model RLS (sampel) Estimated (or predicted) y value Estimate of the regression intercept Estimate of the regression slope Independent variable The individual random error terms ei have a mean of zero

Persamaan RLS Rumus Mencari b1 dan b0 : atau: dan