Korelasi dan Regresi Linier Sederhana & Berganda

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

1 Korelasi dan Regresi Linier Sederhana & Berganda
Resista Vikaliana, S.Si. MM 06/11/2018

2 Korelasi Resista Vikaliana, S.Si. MM 06/11/2018

3 Korelasi : hubungan keterkaitan antara dua atau lebih variabel.
Uji Keterkaitan 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 Resista Vikaliana, S.Si. MM 06/11/2018

4 PEDOMAN MEMILIH TEKNIK KORELASI
MACAM/TINGKATAN DATA TEKNIK KORELASI Nominal Koefisien Kontingency Ordinal Spearman Rank Kendal Tau Interval dan Ratio Pearson Product Moment Korelasi Ganda Korelasi Parsial Resista Vikaliana, S.Si. MM 06/11/2018

5 Pedoman Untuk Memberikan Interpretasi Terhadap Koefisien Korelasi
Interval Koefisien Tingkat Hubungan 0,00 – 0,199 0,20 – 0,399 0,40 – 0,599 0,60 – 0,799 0,80 – 1,000 Sangat Rendah Rendah Sedang Kuat Sangat Kuat Resista Vikaliana, S.Si. MM 06/11/2018

6 √ √ 26. Uji Keterkaitan 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 Resista Vikaliana, S.Si. MM 06/11/2018

7 2. KORELASI SPEARMAN (rho) dan Kendall (tau) :
Uji Keterkaitan 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 perilaku (sangat baik, baik, cukup, kurang) dibandingkan dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas) Siswa : A B C D E F G H I J Perilaku : Kerajinan : Apakah ada korelasi antara perilaku siswa dengan kerajinannya ? Siswa A B C D Perilaku Kerajinan d d2 Σd2 Resista Vikaliana, S.Si. MM 06/11/2018

8 Regresi Resista Vikaliana, S.Si. MM 06/11/2018

9 Regresi Linear Sederhana
Resista Vikaliana, S.Si. MM 06/11/2018

10 Persamaan Regresi Linear
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya korelasi antarvariabelnya. Istilah regresi itu sendiri berarti ramalan atau taksiran. Persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram pencar disebut persamaan regresi. Resista Vikaliana, S.Si. MM 06/11/2018

11 Untuk menempatkan garis regresi pada data yang diperoleh maka digunakan metode kuadrat terkecil, sehingga bentuk persamaan regresi adalah sebagai berikut: Y’ = a + b X Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmatika) memiliki dua sifat matematis berikut : Resista Vikaliana, S.Si. MM 06/11/2018

12 Nilai dari a dan b pada persamaan regresi dapat dihitung dengan rumus berikut :
Resista Vikaliana, S.Si. MM 06/11/2018

13 Penggunaan Persamaan Regresi dalam Peramalan
Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari variabel tak bebas pada nilai variabel bebas tertentu. Tentu saja, tidak mungkin untuk mengatakan dengan tepat. Resista Vikaliana, S.Si. MM 06/11/2018

14 Analisis Regresi Linear
Resista Vikaliana, S.Si. MM 06/11/2018

15 Analisis Regresi Linear
Resista Vikaliana, S.Si. MM 06/11/2018

16 Analisis Regresi Linear
Resista Vikaliana, S.Si. MM 06/11/2018

17 Analisis Regresi Linear
Resista Vikaliana, S.Si. MM 06/11/2018

18 Resista Vikaliana, S.Si. MM
06/11/2018

19 Analisis Regresi Linear
Resista Vikaliana, S.Si. MM 06/11/2018

20 Contoh Kasus: Seorang manajer pemasaran akan meneliti apakah terdapat pengaruh iklan terhadap penjualan pada perusahaan-perusahaan di Kabupaten WaterGold, untuk kepentingan penelitian tersebut diambil 8 perusahaan sejenis yang telah melakukan promosi. Resista Vikaliana, S.Si. MM 06/11/2018

21 Pemecahan Pengaruh biaya promosi terhadap penjualan perusahaan.
Judul Pengaruh biaya promosi terhadap penjualan perusahaan. 2. Pertanyaan Penelitian Apakah terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan ? 3. Hipotesis Terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan. Resista Vikaliana, S.Si. MM 06/11/2018

22 4. Kriteria Penerimaan Hipotesis
Ho : Tidak terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan. Ha : Terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan. Ho diterima Jika b ≤ 0, t hitung ≤ tabel Ha diterima Jika b > 0, t hitung > t tabel. Resista Vikaliana, S.Si. MM 06/11/2018

23 5. Sampel 6. Data Yang dikumpulkan 8 perusahaan Penjualan (Y) 64 61 84
70 88 92 72 77 Promosi (X) 20 16 34 23 27 32 18 22 Resista Vikaliana, S.Si. MM 06/11/2018

24 X Y 51 49 53 54 52 55 39 43 38 47 46 35 50 -Tentukan persamaan regresi liniernya! -Bila x=7, berapa nilai y? -Bila x adalah motivasi dan y adalah kinerja, interpretasikan hasil penghitungan di atas! Resista Vikaliana, S.Si. MM 06/11/2018