CTT 6 Probstat C 1810951035 PDF
CTT 6 Probstat C 1810951035 PDF
CTT 6 Probstat C 1810951035 PDF
OLEH:
DEVI ANANDA PUTRI
1810951035
Pendahuluan
Isi
A. Korelasi
a) Pengertian
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association). Pengukuran
asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam
statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua
variabel.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua
variabel mempunyai hubungan linear yang sempurna. Artinya variabel X
mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka
tidak terdapat hubungan antara kedua variabel tersebut. Dalam korelasi sebenarnya
tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam
penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua.
Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka
variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y.
b) Analisa Korelasi
· Koefisien Determinasi ( r2 )
1. nilainya antara 0 dan 1
2. Untuk menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat
dijelaskan oleh nilai-nilai peubah X melalui hubungan linier tersebut.
3. Contoh : r = 0,6 artinya 0,36 atau 36 % diantara keragaman total
nilai-nilai Y dapat dijelaskan oleh hubungan liniernya dengan nilai-nilai X.
atau Besarnya sumbangan X terhadap naik turunnya Y adalah 36 %
sedangkan 64 % disebabkan oleh faktor lain.
B. Regresi
a) Pengertian
Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun
1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh
tinggi memiliki anak-anak yang tinggi, orang tua yang pendek memiliki anak-anak
yang pendek pula. Kendati demikian. Ia mengamati bahwa ada kecenderungan tinggi
anak cenderung bergerak menuju rata-rata tinggi populasi secara keseluruhan. Dengan
kata lain, ketinggian anak yang amat tinggi atau orang tua yang amat pendek
cenderung bergerak kearah rata-rata tinggi populasi. Inilah yang disebut hukum
Golton mengenai regresi universal. Dalam bahasa galton, ia menyebutkan sebagai
regresi menuju mediokritas.
Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh
temannya Karl Pearson, yang mengumpulkan lebih dari seribu catatan tinggi anggota
kelompok keluarga. Ia menemukan bahwa rata-rata tinggi anak laki-laki kelompok
ayah (yang) pendek lebih besar dari pada tinggi ayah mereka, jadi
“mundurnya” (“regressing”) anak laki-laki yang tinggi maupun yang pendek serupa
kea rah rata-rata tinggi semua laki-laki. Dengan kata lain Galton, ini adalah
“kemunduran kearah sedang”.
pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai
berikut :
Rumus 1.1 :
Y = a + b X.
Keterangan :
Y : Variabel terikat (Dependent Variable);
X : Variabel bebas (Independent Variable);
a : Konstanta; dan
b : Koefisien Regresi.
Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan
(rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari
dengan metode sebagai berikut :
Rumus 1.2 :
Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4
Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan
Matematika sebagai berikut :
r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94
2. Analisis Regresi
Analisis regresi bertujuan untuk melihat pengaruh satu variabel terhadap variabel
lainnya.
3. Analisis Korelasi
a. Analisis korelasi juga dapat digunakan dalam Excel.
b. Korelasi menunjukkan keeratan hubungan antar variabel
c. Keeratan tersebut dicerminkan dari nilai korelasi yang semakin tinggi.
d. Nilai korelasi berada di antara 0 hingga 1
e. Tanda nya dapat positip dan negatif
f. Positif menunjukkan hubungan dua variabel searah sedang negatif
menunjukkan hubungan kedua variabel berlawanan.
a) Pengertian
Digram scatter adalah salah satu alat dari QC seven tools ( 7 alat pengendalian
kualitas ) yang berfungsi untuk melakukan pengujian seberapa kuatnya hubungan dua
variabel serta menentukan dari dua variabel tersebut apakah hubungan positip ataupun
tidak ada hubungan sama sekali. jenis hubungan Scatter diagram sangat berguna
untuk mendeteksi korelasi (hubungan) antara dua variable (faktor), sekaligus juga
memperlihatkan tingkat hubungantersebut (kuat atau lemah). Diagram scatter juga
menjadi dasar pembuatan chart yang sering digunakan dalam peramalan. Pada
pemanfaatannya, scatter diagram membutuhkan data berpasangan sebagai bahan baku
analisisnya, yaitu sekumpulan nilai x sebagai faktor yangindependen berpasangan
dengan sekumpulan nilai y sebagai faktor dependen.Artinya, bahwa setiap nilai x
yang didapatkan memberi dampak pada nilai y.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association). Pengukuran
asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam
statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua
variabel.
Digram scatter adalah salah satu alat dari QC seven tools ( 7 alat pengendalian
kualitas ) yang berfungsi untuk melakukan pengujian seberapa kuatnya hubungan dua
variabel serta menentukan dari dua variabel tersebut apakah hubungan positip ataupun
tidak ada hubungan sama sekali. jenis hubungan Scatter diagram sangat berguna
untuk mendeteksi korelasi (hubungan) antara dua variable (faktor), sekaligus juga
memperlihatkan tingkat hubungantersebut (kuat atau lemah).
Daftar Pustaka
1. Cari data dari internet yang berkaitan dengan Korelasi (hubungan) dua variabel :
Tabel 1.3. keterkaitan antara jam kerja dan target yang telah dicapai oleh karyawan
1 didi 9 85
2 agus 7 77
3 tono 9 88
4 yanto 10 99
5 ani 5 55
6 yanti 6 65
7 gugun 7 87
8 raisa 6 71
9 micha 9 89
10 cecil 7 67
Grafik 1.1 keterkaitan antara jam kerja dan target yang telah dicapai oleh
karyawan
Berikut adalah diagram scatter dari data berikut yang mana nilai korelasinya
adalah 0.9098
b) Hitung rxy
Tabel 1.4. keterkaitan antara jam kerja dan target yang telah dicapai oleh
karyawan
No Xi Yi Xi.Yi Xi2
1 9 85 765 81
2 7 77 539 49
3 9 88 792 81
4 10 99 990 100
5 5 55 275 25
6 6 65 390 36
7 7 87 609 49
8 6 71 426 36
9 9 89 801 81
10 7 67 469 49
Total 75 783 6056 587
75 783
X 7,5 Y 78,3
10 10
( X i X )(Yi Y ) ( X i X ) 2 (Yi Y ) 2
S X ,Y SX SY
n 1 n 1 n 1
183,5 24,5
S X ,Y 20,388 SX 1,64
10 1 9
1660,1
SY 13,58
9
S X ,Y 20,388
rX ,Y 0,9154
S X SY 1,64.13,58
c) Regresi linearnya
75 783
X 7,5 Y 78,3
10 10
Yreg= A0 + A1.x
Ket :
A0 = intercept = 22,1265
A1 = Slope, gradien = 7,4897
6056 (75.783) / 10
7,4897
587 5625 / 10
y b0 b1 x
78,3 b0 7,4897(7,5)
78,3 b0 56,17
__ b0 22,12
Grafik :
2. Dari data 1, tambahkan satu data outlier, lalu bandingkan dengan data 1.
Tabel 1.5. keterkaitan antara jam kerja dan target yang telah dicapai oleh karyawan
No Nama Jam Kerja Target
1 didi 9 85
2 agus 7 77
3 tono 9 88
4 yanto 10 99
5 ani 5 55
6 yanti 6 65
7 gugun 7 87
8 raisa 6 71
9 micha 9 89
10 cecil 7 67
11 hani 2 32
Grafik 1.3 keterkaitan antara jam kerja dan target yang telah dicapai oleh karyawan
Berikut adalah diagram scatter dari data berikut yang mana nilai korelasinya
adalah 0.9579
b) Hitunglah rx,y
Tabel 1.6. keterkaitan antara jam kerja dan target yang telah dicapai oleh karyawan
No Xi Yi Xi.Yi Xi2
1 9 85 765 81
2 7 77 539 49
3 9 88 792 81
4 10 99 990 100
5 5 55 275 25
6 6 65 390 36
7 7 87 609 49
8 6 71 426 36
9 9 89 801 81
10 7 67 469 49
11 2 32 64 4
Total 77 815 6120 591
77 815
X 7 Y 74,09
11 11
( X i X )(Yi Y ) ( X i X ) 2 (Yi Y ) 2
S X ,Y SX SY
n 1 n 1 n 1
415 52
S X ,Y 41,5 SX 2,28
11 1 10
3608,9
SY 18,99
10
S X ,Y 41,5
rX ,Y 0,95
S X SY 2,28.18,99
c) Regresi liniernya
77 815
X 7 Y 74,09
11 11
Yreg= A0 + A1.x
Ket :
A0 = intercept = 18,22
A1 = Slope, gradien = 7,89
6120 (77.815) / 11
7,98
591 5929 / 11
y b0 b1 x
74,09 b0 7,98(7)
74,09 b0 55,86
__ b0 18,23
Grafik :
Grafik 1.4. Grafik linear
Dari grafik diatas dapat dilihat bahwa berdasarkan persamaan y = 18,23 + 7,98 x
didapatkan strong positive correlation. Setelah ditambah satu data, sehingga diperoleh
kesimpulan, dengan adanya perubahan data dapat merubah nilai correlasi dan nilai
regresi linear pada data tersebut.
Perbandingan :
Berdasarkan dari Data 1 dan Data 2 setelah ditambah outlier dapat dibandingkan.
Jika nilai pada data ditambah nilai outlier, maka adanya perubahan nilai korelasi dan
nilai regresi pada data tersebut.