You are on page 1of 28

KORELASI & REGRESI

Hari Sakti Wibowo

PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT
UNIVERSITAS INDONESIA

KORELASI
Tujuan :
• Untuk melihat ada tidaknya hubungan antara
dua buah variabel (minimal berskala ordinal)
• Melihat kuat lemahnya hubungan
• Melihat jenis hubungan

PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT
UNIVERSITAS INDONESIA

Melihat ada tidaknya korelasi • Berdasarkan nilai koefiesien korelasi “ r “ -1 ≤ r ≤ 1 Nilai r ≈ 0  tidak ada hubungan Nilai r ≈ -1 atau r ≈1  ada hubungan • Berdasarkan Uji Korelasi HIPOTESA : Ho : Tidak Ada Hubungan / Korelasi H1 : Ada Hubungan / Korelasi PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

KUAT LEMAHNYA HUBUNGAN • Kuat lemahnya hubungan dilihat melalui nilai koefisien korelasi “ r “ • Jika nilai r ≈ 1 atau r ≈ -1  terjadi hubungan yg kuat • Jika nilai r ≈ 0  hubungannya lemah PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

belum tentu terjadi korelasi Nilai “r” merupakan besaran yang relatif Lihat nilai Signifikansinya PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .4 .Kelemahan nilai koefisien korelasi “r“ • Nilai koefisien korelasi sangat tergantung pada banyaknya data • Untuk data yang jumlahnya banyak nilai r = 0. sudah dikatakan terjadi korelasi • Untuk data yang berjumlah sedikit nilai r = 0.2 .

(2-tailed) N 1 245 .488 3 .721 .286.000 245 org . kesimpulan tidak ada korelasi yang signifikan antara variabel X dengan Y.  Terlihat dengan nilai r = 0. Hal ini terjadi karena jumlah sampel ada sebanyak 3 sampel  Untuk nilai r = 0. (2-tailed) N el x 1 3 .286** . Hal ini terjadi karena jumlah sampel ada 245 sampel PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .721 . Correlation is significant at the 0.CONTOH KELEMAHAN NILAI “ r “ Correlations Correlations y y x Pearson Correlation Sig.000 245 1 245 **.01 level (2-tailed). kesimpulannya ada yang signifikan antara variabel “el” dengan “org”.488 3 1 3 el org Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig.286** .721. (2-tailed) N Pearson Correlation Sig.

JENIS HUBUNGAN Dilihat dari nilai koefieien korelasi “ r “ Y Y X Hubungan Positif r=+ PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA X Hubungan Negatif r=- .

korelasi Pearson • NonParametrik  Jenis datanya Ordinal. Korelasi Spearman & Kendall’s-tau b HIPOTESA : • H0 : Tidak Ada Korelasi/Hubungan • H1 : Ada Korelasi/Hubungan PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .Prosedur analisa korelasi • Parametrik Jenis datanya kuantitatif.

ANALISA REGRESI PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

TUJUAN • Melihat ada/tidak hubungan Linier antara sebuah variabel Dependent (kuantitative) dengan beberapa variabel Independent (kuantitative)  bersifat sistem • Melihat kuat/lemahnya hubunga antar variabel Dependent dengan variabel Independent • Memprediksi besarnya nilai variabel Dependent berdasarkan variabel Independent PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA . dimana hubungan antar variabel dipengaruhi oleh varibel lainnya (korelasi parsial).PERBEDAAN KORELASI & REGRESI • Analisa korelasi merupakan hubungan langsung antara dua buah variabel tampa dipengaruhi oleh variabel lain ( Variabel lain dianggap konstan/katerisparibus) • Analisa Regresi merupakan analisa sistem.

METODE PENDUGAAN PARAMETER  Metode yg digunakan Metode Kuadrat Terkecil Umum ( Ordinary Least Square Estimator) Rata-rata n n 2 2 min   yi  yˆ    min   yi  (b0  b1 x)    i 1   i 1  .

mana yg lebih mudah diukur) – Model harus didasarkan pada konsep (menghindari hubungan semu) PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .PEMBUTAN MODEL • Hal-hal yang perlu diperhatikan dalam pembuatan model: – Penentuan Variabel dependent & independent (berdasarkan hipotesis.

.MODEL Yi   0  1 X 1i   2 X 2i ..  i Yi  Dependent Variabel  p  Parameter X p  Independent Variabel i  Error PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA  NID(0.  2 ) .   p X pi   i ..

b p )  s 2 (b1 .n  p ) 2 PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA  bk 2 s (bk ) . Tolak Ho . b ) s (b1 ) 1 0 2 s (b)     2  s (b p .Pendugaan Koefisien Regresi Perhitungan nilai koefisien ˆ  ( X ' X )  ( X ' Y ) Varian nilai koefisien  s 2 (b0 ) s 2 (b0 . b1 )  2 2 s ( b . b0 ) Dimana nilai KTG KTG  Y ' Y  b' X ' Y n  ( p  1) s 2 (b0 . b p )   KTGx ( X ' X )    s 2 (b p )  Uji nilai koefisien Hipotesa : Ho : bk = 0 t ( .

3 …p ( Tidak berpengaruh) H1: βi ≠ 0 . p = 1.Langkah-langkah Analisa Regresi • • • • • • Menguji apakah variabel independent berpengaruh terhadap variabel dependen (harus berpengaruh) – Hip : Ho: β = 0 ( Tidak berpengaruh) Uji ANOVA H1: β ≠ 0 (Berpengaruh) Uji parsial Untuk menguji var independent mana saja yang berpengaruh pada var dependent – Hip : Ho: βi = 0 . p = 1.3 …p (Berpengaruh) Uji t-test Melihat asumsi Error ( untuk prediksi ) Melihat adanya tidaknya Multikololinieritas (korelasi antar var independent) Nilai VIF < 10 Kehandalan model (persentase kemampuan var Indep mampu menjelaskan Var Depent) R-square ≈ 1 Membuat model persamaan dan validasi model persamaan PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .2.2.

Histogram) • Antar error tidak saling berkorelasi / Autocorelation (Durbin Watson) • Variansi error homogen / Homokedatisitas (Scarter Plot ) PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .Asumsi Error Pengecekan terhadap Asumsi Error bertujuan untuk membuktikan apakah model regresi yang terbentuk memiliki sifat BLUE (Best Linier Unbias Estimation) • Error terdistribusi Normal (PP-Plot .

MULTIKOLOLINIERITAS #1 • Arti : Korelasi yg terjadi antar var Independent • Penyebab : – Mengukur indikator var X yg sama (pendapatan & Pengeluaran) – Jum var X > jum data • Jenisnya ada dua : Multikol sempurna & Kurang sempurna • Akibat multikol : – Sempurna : Koefisien regresi tdk dapt dihitung. variansinya tak terhingga – Kurang sempurna: Koefisien regresi dpt di hitung namun variansi sangat besar PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

Ridge regresion dll PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .MULTIKOLOLINIERITAS #2 • Deteksi multikol: Nilai VIF > 10 • Mengatasinya : – Buang salah satu variabel yg berkorelasi – Menggabung variabel yg saling berkorelasi – Trasformasi variabel – Penambahan data – Teknik regresi lain seperti PCA.

Heteroledastisitas/Homokedastisitas  Arti : Kesamaan variansi di setiap nilai prediksi  Penyebab : ◦ ◦ ◦ ◦ Adanya proses pembelajaran Adanya outlier kemencengan dari beberapa var yg diukur Kesalahan fungsi atau trasformasi  Deteksi ◦ Scarter plot ◦ Pengujian : Part test. White’s General Heteroskedastisiti  Cara mengatasi : dengan trasformasi PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA . Goldfeld-quandt. Spearman Correlation test. Breusch-pagan-godfrey . Glejser test.

semester atau tahunan PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA . Data bulanan dibuat kuartal.Autokorelasi • Arti : error saling berkorelasi • Penyebab : – Data diambil dari sequance system – Data time series – Manipulasi data.

KOEFISIEN DETERMINASI Ukuran mengenai besarnya persentase pengaruh variabel Independent terhadap variabel Dependent JKR JKT  JKE r   JKT JKT 2 PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

kemudian var yg tak berpengaruh dibuang satu-persatu dari yg paling tidak berpengaruh  Stepwise : Gabungan dari forward dan backward PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA . yg tidak signifikan dibuang secara manual  Forward : Varibel X dimasukan satu persatu dimulai dari yang paling besar pengaruhnya terus sampai yg paling kecil. Yg tdk berpengaruh tdk dimasukan dlm model  Backward : variabel X dimasukn semua dlm model.Metode Pembuatan Model  Enter : Semua variabel X dimasukan dalam model.

Kelemahan Regresi PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

1 PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .REGRESI DUMMY • Ada kalanya yang menjadi prediktor (variabel independent/X) merupakan katagori • Rubah variabel prediktor yang katagori menjadi variabel dummy (variabel 0 & 1) Cth : Laki2x = 0 (Katagori reference)  Pengontrol Perempuan = 1 • Banyaknya variabel dummy : • Dummy = Banyaknya katagori .

Reference Catagory • Katagori dasar yang menjadi rujukan dalam analisa. • Contoh apakah semakin tinggi pendidikan akan semakin baik tingkat ekonomi seseoarang? Reference Catagori  Pendidikan SD = 0 PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA .

1 Pendidikan Dummy SMP Dummy SMA Dummy PT SD 0 0 0 SMP 1 0 0 SMA 0 1 0 PT 0 0 1 PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT UNIVERSITAS INDONESIA . yaitu SD. Perguruan Tinggi.Contoh Pembentukan Variabel Dummy Pendidikan Misalkan ada 4 kategori pendidikan. SMA. Misalkan SD menjadi reference category Jumlah Variabel Dummy = Jumlah Kategori . SMP.