1

Bagian
BagianI IStatistik
StatistikInduktif
Induktif
Metode Pengertian
PengertianKorelasi
KorelasiSederhana
Metodedan
danDistribusi
DistribusiSampling
Sampling Sederhana

Teori Uji Signifikansi Koefisien Korelasi

TeoriPendugaan
PendugaanStatistik
Statistik Uji Signifikansi Koefisien Korelasi
Analisis Regresi: Metode Kuadrat
Pengujian hipotesis Sampel Besar Analisis Regresi: Metode Kuadrat
Pengujian hipotesis Sampel Besar Terkecil
Terkecil

Pengujian hipotesis Sampel Kecil Kesalahan

KesalahanBaku
BakuPendugaan
Pendugaan
Pengujian hipotesis Sampel Kecil
Asumsi-asumsi Metode Kuadrat
Asumsi-asumsi Metode Kuadrat
Analisis Terkecil
AnalisisRegresi
Regresidan
danKorelasi
Korelasi Terkecil
Linier
Linier Perkiraan Interval dan Pengujian
Perkiraan Interval dan Pengujian
hipotesis
Analisis Regresi dan Korelasi hipotesis
Analisis Regresi dan Korelasi
Berganda Hubungan Koefisien Korelasi,
Berganda Hubungan Koefisien Korelasi,
Fungsi, Variabel, dan Masalah dalam Koefisien Determinasi dan
Fungsi, Variabel, dan Masalah dalam Koefisien Determinasi dan
Analisis Regresi Kesalahan Baku Pendugaan
Analisis Regresi Kesalahan Baku Pendugaan 2
PENGERTIAN ANALISIS KORELASI

3
 H u b u n g a n I nfl a si d a n S u k u H u b u n g a n P r o d u k si d a n
B u n g a ( K o r el a si N e g a tif) H a r g a Mi n y a k G o r e n g
( K o r el a s i P o sitif)

35 700
30 600
25 500
20 400
15 300
10 200
5 100
0
0
2, 0 1 9, 3 5 1 2, 5 5 1 0, 3 3 637 740 722 781 849 881

I nfl a si H a r g a Mi n y a k G o r e n g

4
 n   XY     X    Y 
r
n
 X 
2
   X   n
2

   Y     Y
2 2



5
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna

Korelasi negatif Korelasi negatif Korelasi positif Korelasi positif

kuat lemah lemah kuat

-1,0 -0,5 0,0 0,5 1,0

Skala r
Korelasi negatif Korelasi positif

6
Tahun Produksi (juta ton) Harga (US $ per ton)
1997 4,54 271
1998 4,53 319
1999 5,03 411
2000 6,05 348
2001 6,09 287
2002 6,14 330
2003 6,37 383
2004 7,40 384
2005 7,22 472
2006 7,81 610
2007 8,49 640 7
CONTOH REGRESI LINIER
Hubungan jumlah produksi dan harga minyak
n   XY     X    Y 
r
n
   X     X
2 2
 n
   Y     Y
2 2



n Y X Y2 XY X2
1 4,54 271 20,61 1230,34 73441
2 4,53 319 20,52 1445,07 101761
3 5,03 411 25,30 2067,33 168921
4 6,05 348 36,60 2105,40 121104
5 6,09 287 37,09 1747,83 82369
6 6,14 330 37,70 2026,20 108900
7 6,37 383 40,58 2439,71 146689
8 7,40 384 54,76 2841,60 147456
9 7,22 472 52,13 3407,84 222784
10 7,81 610 61,00 4764,10 372100
11 8,49 640 72,08 5433,60 409600
8
12 8,81 652 77,62 5744,12 425104
 PENGERTIAN KOEFISIEN DETERMINASI
Koefisien determinasi
Bagian dari keragaman total variabel tak bebas Y (variabel yang
dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan
oleh keragaman variabel bebas X (variabel yang mempengaruhi atau
independent).

Koefisien determinasi r2

n   XY     X    Y 
2

r2 
n
   X 2

   X 
2
 n
   Y 2
  Y 
 
2

9
 RUMUS UJI t UNTUK UJI KORELASI

r n2 di mana:
t
1 r 2 t : Nilai t-hitung

atau r : Nilai koefisien korelasi

n : Jumlah data pengamatan
r
t 
1 - r2
n-2

10
Ujilah apakah (a) nilai r = - 0,412 pada hubungan antara suku bunga dan investasi dan (b)
r = 0,86 pada hubungan antara harga minyak dan produksi kelapa sawit sama dengan nol
pada taraf nyata 5%?

1. Perumusan hipotesis:
hipotesis yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam
populasi dilambangkan dengan sedang pada sampel r.
H0 : r = 0
H1 : r ¹ 0
2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df) =
n-k = 9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan df =7 adalah = 2,36. Ingat bahwa n
adalah jumlah data pengamatan yaitu = 9, sedangkan k adalah jumlah variabel
yaitu Y dan X, jadi k=2.
3. Menentukan nilai uji t
r - 0,41
t 2
 2
 1 ,21
1-r 1 - (,041)
n-2 9-2
11
 CONTOH UJI t UNTUK UJI KORELASI
4. Menentukan daerah keputusan dengan nilai kritis 2,36

Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho

–2,36 t = –1,21 2,36

5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada daerah

tidak menolak H0. Ini menunjukkan bahwa tidak terdapat cukup bukti
untuk menolak H0, sehingga dapat disimpulkan bahwa korelasi dalam
populasi sama dengan nol, hubungan antara tingkat suku bunga dengan
investasi lemah dan tidak nyata. 12
1.Perumusan hipotesis:
hipotesis yang diuji adalah koefisien korelasi sama dengan nol.
Korelasi dalam populasi dilambangkan dengansedang pada sampel r.
H0 : r = 0
H1 : r ¹ 0

2.Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat

bebas (df) = n-k = 12 - 2 = 10. Nilai taraf nyata a/2=0,025 dan df =10
adalah = 2,23.
k = banyaknya parameter yang diestimasi
3. Menentukan nilai uji t

r 0,86
t 2
 2
 5 ,33
1-r 1 - (0,86)
n-2 12 - 2
13
4. Menentukan daerah keputusan dengan nilai kritis 2,23

Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho

–2,23 2,23 t= 5,33

5. Menentukan keputusan. Nilai t-hitung berada di daerah menolak H 0, yang

berarti bahwa H0 di tolak dan menerima H1. Ini menunjukkan bahwa koefisien
korelasi pada populasi tidak sama dengan nol, dan ini membuktikan bahwa
terdapat hubungan yang kuat dan nyata antara harga minyak dan produksi
kelapa sawit. 14
MENGGUNAKAN MS EXCEL UNTUK MENCARI KORELASI

15
16
 RUMUS PERSAMAAN REGRESI
Persamaan regresi
Suatu persamaan matematika yang mendefinisikan
hubungan antara dua variabel.

17
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:

Hubungan Inflasi dan Suku Bunga

35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi

Gambar A
18
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:

Hubung an Infla si d an Suku Bunga

35
30 b c
d
25
a
20
15
10
5
0
2,01 9,35 12,55 10,33
Infla si

Gambar B
19
CONTOH SELISIH ANTARA DUGAAN DAN AKTUAL LEBIH KECIL

Hubungan Inflasi dan Suku Bunga

40 e1 e1
Y1 Y1
e2 e2
e3
S uk u B unga

Y2 Y4
e3
30
Y2
Y4
Y3
e4
Y3
Y5
e4
e5
Yn
en
20
Ynen

10
0
2.01 9.35 12.55 10.33
Inflasi

Gambar A: selisih antara dugaan dan aktual lebih kecil

20
CONTOH SELISIH ANTARA DUGAAN DAN AKTUAL LEBIH BESAR

Hubungan Inflasi dan Suku Bunga

35 Y2e2

Y4e4 Ynen

30
e3
Y3
25
Suku Bunga

e1
20 Y1
e5
Y5
15
10
5
0
2.01 9.35 12.55 10.33
Inf lasi

21
Y

+b
-b

X X
Gambar A: Ŷ =a+bX Gambar B: Ŷ =a-bX

22
 n XY )  (  X )(  X ) (  Y ) b(  X )
a b 
n(  X 2 )  (  X )2 n b

Y : Nilai variabel bebas Y

a : Intersep yaitu titik potong garis dengan sumbu Y
b : Slope atau kemiringan garis yaitu perubahan Ŷrata-rata pada
untuk setiap unit perubahan pada variabel X
X : Nilai variabel bebas X
n : Jumlah sampel

23
Ŷ =a+bX
Yi X Ŷ = 2,8631 + 0,0086 X e=Y-
Ŷ Ŷ

4,54 271 Ŷ = 2,8631 + 0,0086 x 271 5.1853 -0.6453

4,53 319 Ŷ = 2,8631 + 0,0086 x 319 5.5966 -1.0666
5,03 411 Ŷ = 2,8631 + 0,0086 x 411 6.3850 -1.3550
6,05 348 Ŷ = 2,8631 + 0,0086 x 348 5.8451 0.2049
6,09 287 Ŷ = 2,8631 + 0,0086 x 287 5.3224 0.7676
6,14 330 Ŷ = 2,8631 + 0,0086 x 330 5.6909 0.4491
6,37 383 Ŷ = 2,8631 + 0,0086 x 383 6.1450 0.2250
7,40 384 Ŷ = 2,8631 + 0,0086 x 384 6.1536 1.2464
7,22 472 Ŷ = 2,8631 + 0,0086 x 472 6.9077 0.3123
7,81 610 Ŷ = 2,8631 + 0,0086 x 610 8.0902 -0.2802
8,49 640 Ŷ = 2,8631 + 0,0086 x 640 8.3473 0.1427
24
 CONTOH HUBUNGAN ANTARA PRODUKSI DENGAN
HARGA MINYAK KELAPA SAWIT

Persamaan Ŷ = 2,8631 + 0,0086 X.

10
10
8
8
Produkssi i

6
Produk

6
4
4
2
2
0
0
271 287 319 330 348 383 384 411 472 610 640
271 287 319 330 348 383 384 411 472 610 640
HargaMinyak
Harga Minyak

YY Y'
Y'

Gambar A: Koordinat antara Y dan Yˆ

25
 Persamaan Ŷ = 2,8631 + 0,0086 X.

10
8
Produksi

6
4
2
0
271 287 319 330 348 383 384 411 472 610 640

Harga

Y = Y'

Gambar B: Koordinat antara Y dan Ŷ , dimana Y = Ŷ

26
 DEFINISI STANDAR ERROR

Standar error atau kesalahan baku Pendugaan

Suatu ukuran yang mengukur ketidakakuratan

pencaran atau persebaran nilai-nilai pengamatan (Y)
terhadap garis regresinya (Ŷ).

Ŷ

27
 Syx  e 2
  ( Y  Ŷ ) 2

n2 n2
Di mana:

Sy.xC : Standar error variabel Y berdasarkan variabel X yang diketahui

Y : Nilai pengamatan dari Y
Ŷ : Nilai dugaan dari Y
n : Jumlah sampel, derajat bebas n-2 karena terdapat dua parameter
yang akan digunakan yaitu a dan b.

28
29
30
 ASUMSI METODE KUADRAT TERKECIL
Beberapa asumsi penting metode kuadrat terkecil adalah sebagai berikut:

1. Nilai rata-rata dari error term atau expected value untuk setiap nilai X sama dengan nol.
Asumsi ini dinyatakan E(ei/Xi) = 0.
2. Nilai error dari Ei dan Ej atau biasa disebut dengan kovarian saling tidak berhubungan
atau berkorelasi. Asumsi ini biasa dilambangkan sebagai berikut, Cov (Ei, Ej) = 0, di mana i
¹ j. Berdasarkan pada asumsi nomor 1, pada setiap nilai Xi akan terdapat Ei, dan untuk Xj
.
akan ada Ej, yang dimaksud dengan nilai kovarian = 0 adalah nilai Ei dari Xi tidak ada
hubungan dengan nilai Ej dari Xj.
Y
Garis regresi

Satu deviasi
standar

Nilai tengah terletak

pada garis regresi

X1 X2 X3 X
31
 ASUMSI METODE KUADRAT TERKECIL

3. Varian dari error bersifat konstan. Ingat bahwa varian dilambangkan dengan s2,
sehingga asumsi ini dilambangkan dengan Var (Ei/Ej) = E(ei – ej)2 = s2. Anda
perhatikan pada gambar di atas bahwa nilai Ei (yang dilambangkan dengan tanda
titik) untuk setiap X yaitu X1, X2 dan X3 tersebar secara konstan sebesar variannya
yaitu s2. Pada gambar tersebut nilai E tersebar 1 standar deviasi di bawah garis
regresi dan 1 standar deviasi di atas garis regresi. Seluruh sebaran nilai Ei untuk Xi
dan Ej untuk Xj, di mana i ¹ j terlihat sama dengan ditunjukkan kurva yang
berbentuk simetris dengan ukuran yang sama, hal inilah yang dikenal dengan
varians dari error bersifat konstan.

4. Variabel bebas X tidak berkorelasi dengan error term E, ini biasa dilambangkan
dengan Cov (Ei, Xi) = 0. Pada garis regresi Y=a + bxi + ei maka nilai Xi dan Ei tidak
saling mempengaruhi, sebab apabila saling mempengaruhi maka pengaruh
masing-masing yaitu X dan E tidak saling dapat dipisahkan. Ingat bahwa yang
mempengaruhi Y selain X adalah pasti E yaitu faktor diluar X. Oleh sebab itu
varians dari E dan X saling terpisah atau tidak berkorelasi.
32
RUMUS

1 ( X  X )2
Ŷ  t( Syx ) 
n  X 2  (  X )2 / n

Ŷ : Nilai dugaan dari Y untuk nilai X tertentu

t : Nilai t-tabel untuk taraf nyata tertentu
Sy.x : Standar error variabel Y berdasarkan variabel X yang
diketahui
X : Nilai data pengamatan variabel bebas
X : Nilai rata-rata data pengamatan variabel bebas
n : Jumlah sampel 33
 PENDUGAAN INTERVAL NILAI KOEFISIEN REGRESI A DAN B

Dengan menggunakan asumsi bahwa nilai Ei bersifat normal, maka hasil dugaan a dan
b juga mengikuti distribusi normal. Sehingga nilai t = (b – B)/b, juga merupakan
variabel normal. Dalam praktiknya nilai standar deviasi populasi b sulit diketahui,
maka standar deviasi populasi biasa diduga dengan standar deviasi sampel yaitu Sb,
sehingga nilai t menjadi t = (b – B)/Sb. Selanjutnya probabilitasnya dinyatakan sebagai
berikut:
P(-t/2  (b – B)/Sb  t/2 ) = 1 - 
P(-t/2. Sb  (b – B)  t/2 . Sb) = 1 - 
Sehingga interval B adalah:
(b -t/2. Sb  B  b + t/2 . Sb)

sedangkan dengan cara yang sama interval A adalah:

(a -t/2. Sa  A  a + t/2 . Sa)

di mana Sa dan Sb adalah sebagai berikut:

Sb = Sy.x / [ X2 – (X)2/n]
Sa =  (X2.Sy.x)/ (nX2 – (X)2)
34
 ANALISIS VARIANS ATAU ANOVA

Analisis varians atau ANOVA merupakan alat atau peranti yang dapat
menggambarkan hubungan antara koefisien korelasi, koefisien determinasi
dan kesalahan baku pendugaan. Untuk mengukur kesalahan baku kita
menghitung error yaitu selisih Y dengan atau dapat dinyatakan dalam
bentuk persamaan:

e = Y – Ŷ
atau dalam bentuk lain yaitu

Y = Ŷ + e

Di mana:

Y adalah nilai sebenarnya,

Ŷ adalah nilai regresi
e adalah error atau kesalahan

35
 TABEL ANOVA

Sumber Keragaman Derajat bebas (df) Sum Square (SS) Mean Square (MS)
(Source)

Regresi (Regression) 1 SSR = ( Ŷ – Y)2 MSR

(jumlah var bebas, X) =SSR/1

Kesalahan (error) n-2 SSE MSE

= (Y – Ŷ)2 =SSE/(n-2)

Total n-1 SST

= (Y – Y)2

36
TERIMA KASIH

37