bahan statistik 1
DESCRIPTION
statistik 1TRANSCRIPT
HP: 081365493009Email:[email protected]
1
STATISTIK EKONOMI I KKE 208 3 SKS
1. Pendahuluan
2. Data Statistik
3. Distribusi frekuensi
4. Ukuran Nilai Pusat
5. Ukuran Dispersi
6. Angka Indeks
7. Korelasi Dan Regresi Linear sederhana
1. Pengantar Metode Statistik Jilid I karangan Anto Dajan
2. Pengantar Statistik Karangan Ronald E.Walpole
3. Pengantar Statistika Karangan Husaini Usman,dkk
4. Metode Statistik Karangan Sudjana
5. Statistik Jilid I karangan Sutrisno Hadi
6. Pokok-pokok Materi Statistik I Karangan Iqbal Hasan
7. Statistik Teori dan Aplikasi karangan J.Supranto
BAB III
2
DISTRIBUSI FREKUENSI
A. PENGERTIAN DISTRIBUSI FREKUENSI
Data yang diperoleh dari suatu penelitian yang masih berupa data acak atau data
mentah dapat dibuat menjadi data yang berkelompok, yaitu data yang telah
disusun ke dalam kelas-kelas tertentu disebut distribusi frekuensi
B. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
1. Kelas-kelas (class) yaitu kelompok nilai data atau variable
2. Batas Kelas (class limit) yaitu nilai-nilai yang membatasi kelas yang satu
dengan kelas yang lain, terdapat dua kelas yaitu:
Batas Kelas Bawah (Lower Class Limits), terdapat di deretan sebelah kiri
setiap kelas
Batas Kelas Atas (Upper Class Limits), terdapat di deretan sebelah kanan
setiap kelas
Tabel 3.1: Modal Perusahaan “X”
Modal (Jutaan Rp) Frekuensi (f)50 - 5960 - 69
Batas Bawah kelas 70 - 69 Batas Atas kelas (BB) 80 - 89 (BA)
90 - 99
1632201715
Jumlah 100
3. Tepi Kelas, yaitu batas kelas yang tidak memiliki celah untuk angka tertentu
antara kelas yang satu dengan kelas yang lain, Ada dua tepi kelas yaitu:
4. Titik Tengah yaitu angka yang terletak ditengah suatu kelas
3
Tepi Kelas Bawah (TPB) = BB - 0,5
Tepi Kelas Atas (TPA) = BA + 0,5
Titik Tengah (mi) = BA + BB 2
5. Interval Kelas = Panjang Kelas Interval (C) yaitu jarak antara batas kelas atas
dengan batas kelas bawah. Seperti 50 - 59 memliki interval kelas 10
6. Frekuensi Kelas yaitu banyaknya data yang termasuk ke dalam kelas
C. PENYUSUNAN DISTRIBUSI FREKUENSI
1. Susun atau urutkan data dari yang terkecil ke yang terbesar
2. Menentukan jangkauan (range) dari data
3. Menentukan banyaknya kelas (K)
Dimana : K ε bulat
n = banyak data
Hasilnya dibulatkan, biasanya keatas
4. Menentukan interval kelas (C)
5. Menentukan Batas Kelas Pertama
6. Menuliskan frekuensi kelas dalam tabel distribusi frekuensi
Contoh Soal:
Dari hasil pengukuran diameter pipa-pia yang dibuat oleh sebuah mesin (dalam mm
terdekat), diperoleh data sebagai berikut.
78 72 74 79 74 71 75 74 72 68
4
Range (R) = Data Terbesar - Data Terkecil
K = 1 + 3,3 log n
Interval Kelas (C ) = Range ( R ) Banyak Kelas (K)
72 73 72 74 75 74 73 74 65 72
66 75 80 69 82 73 74 72 79 71
70 75 71 70 70 70 75 76 77 67
Buatlah distribusi frekuensi dari data tersebut.
Jawaban:
1. Urutkan data tersebut
65 66 67 68 69 70 70 70 70 71
71 71 72 72 72 72 72 72 73 73
73 74 74 74 74 74 74 74 75 75
75 75 75 76 77 78 79 79 80 82
2. Range (R) = 82 - 65 = 17
3. Banyak Kelas (K) = 1 + 3,3 log 40= 1 + 5,3= 6,3 = 6
4. Interval Kelas (C) = 15 = 2,5 = 3 6
5. Batas Kelas pertama adalah 65 ( data terkecil)
6. Tabelnya :
Tabel 3.2 : Pengukuran Diameter Pipa-Pipa (Satuan mm)
Diameter Frekuensi (f)65 - 6768 - 7071 - 7374 - 7677 - 7980 - 82
36121342
Jumlah 40Maka median berada di kelas ke 3 dan 4
Modus kelas ke 4
Rata-rata hitung
D. HISTOGRAM, POLIGON FREKUENSI DAN KURVA
Histogram dan poligon frekuensi adalah dua grafik yang sering digunakan untuk
menggambarkan distribusi frekuensi. Histogram merupakan grafik batang dari
distribusi frekuensi dan poligon frekuensi merupakan grafik garisnya
5
Tabel 3.3: Distribusi frekuensi Hasil Pengukuran Tinggi Badan 50 siswa
Tinggi Badan (cm)
Frekuensi (banyak Murid)
Tepi Kelas Titik Tengah
140 - 144 2 139,5 - 144,5 142145 - 149 4 144,5 – 149,5 147150 - 154 10 149,5 – 154,5 152155 - 159 14 154,5 – 159,5 157160 - 164 12 159,5 – 164,5 162165 - 169 5 164,5 – 169,5 167170 - 174 3 169,5 – 174,9 172
Jumlah 50 Histogram = Diagram Batang
Poligon = Garis yang berada di titik tengah pada diagram batang
02468
101214
Series1Series1
Series2
Series2
Series3
Series3
Series4
Series4
Series6
Series6
Series7
Series7Series8
Histogram
Series1
Series2
tepi kelas
frekuensi
E. JENIS-JENIS DISTRIBUSI FREKUENSI
Berdasarkan kriteria-kriteria tertentu, distribusi frekuensi dapat dibedakan atas tiga
jenis yaitu:Distribusi frekuensi biasa, distribusi frekuensi relatif dan disitribusi kumulatif.
1. Distribusi Frekuensi Biasa
6
Adalah distribusi frekuensi yang hanya berisikan jumlah frekuensi dari setiap
kelompok data atau kelas (ada yang berupa distribusi frekuensi numerik = angka,
seperti contoh diatas) dan (distribusi frekuensi berupa kategori = berdasarkan
golongan data seperti jumlah pelemparan dadu.)
2. Distribusi Frekuensi Relatif
Adalah distribusi frekuensi yang berisikan nilai-nilai hasil bagi antara frekuensi
kelas dan jumlah pengamatan yang terkandung dalam kumpulan data yang
berdistribusi tertentu.
Tabel Distribusi Frekuensi Relatif
Interval Kelas(Tinggi (cm))
Frekuensi(Byk Murid)
Frekuensi RelatifPerbandingan Desimal Persen
140 – 144 2 2/50 0,04 4145 -149 4 4/50 0,08 8150 -154 10 10/50 0,20 20155 -159 14 14/50 0,28 28160 -164 12 12/50 0,24 24165 -169 5 5/50 0,10 10170 -174 3 3/50 0,06 6Jumlah 50 1 1 100
Ada Dua jenis tabel frekuensi relatif yaitu:
Distribusi Frekuensi kumulatif relatif kurang dari
Distribusi Frekuensi kumulatif relatif lebih dari
Tabel Frekuensi Kumulatif Relatif Kurang dari
Interval Kelas(Tinggi (cm))
Frekuensi(Byk Murid)
Distribusi Frekuensi Kumulatif Relatif kurang dariTinggi (cm) Frekuensi Kumulatif Relatif
(%)140 – 144 2 Kurang dari 140 0 = 0%
7
Frekuensi Relatif = fi X 100, i=1,2,3… Σf
145 -149 4 Kurang dari 145 2 = 4%150 -154 10 Kurang dari 150 6 = 12%155 -159 14 Kurang dari 155 16 = 32%160 -164 12 Kurang dari 160 30 = 40%165 -169 5 Kurang dari 165 42 = 64%170 -174 3 Kurang dari 170 47 = 74%Jumlah 50 Kurang dari 175 50 = 100%
Tabel Frekuensi kumulatif Relatif Lebih Dari
Interval Kelas(Tinggi (cm))
Frekuensi(Byk Murid)
Distribusi Frekuensi Kumulatif Relatif lebih dariTinggi (cm) Frekuensi Kumulatif Relatif
(%)140 – 144 2 Lebih dari 140 50 = 100%145 -149 4 Lebih dari 145 48 = 94% (100-6)150 -154 10 Lebih dari 150 44 = 84% (94-10)155 -159 14 Lebih dari 155 34 = 60% (84-24)160 -164 12 Lebih dari 160 20 = 32% (60-28)165 -169 5 Lebih dari 165 8 = 12% (32-20)170 -174 3 Lebih dari 170 3 = 4% (12-8)Jumlah 50 Lebih dari 175 0 = 0% (4-4)
3. Distribusi Frekuensi Kumulatif
Adalah frekuensi yang berisikan frekuensi kumulatif. Frekuensi kumulatif adalah
frekuensi yang dijumlahkan. Penggambaran dari frekuensi ini berupa kuva ogive
dan dapat berupa frekuensi kumulatif kurang dari dan lebih dari.
Tabel Distribusi Frekuensi kumulatif Kurang Dari
Distribusi Frekuensi Biasa Distribusi Frekuensi Kumulatif kurang dariTinggi (cm) Frekuensi Tinggi (cm) Frekuensi Kumulatif
Kurang dari 140 = 0140 – 144 2 Kurang dari 145 0 + 2 = 2145 -149 4 Kurang dari 150 0 + 2 + 4 = 6150 -154 10 Kurang dari 155 0 + 2 + 4 + 10 = 16155 -159 14 Kurang dari 160 0 + 2 + 4 + 10 + 14 = 30160 -164 12 Kurang dari 165 0+2+4+10+14+12 = 42165 -169 5 Kurang dari 170 0+2+4+10+14+12+5 = 47170 -174 3 Kurang dari 175 0+2+4+10+14+12+5+3 = 50
Tabel Distribusi Frekuensi Kumulatif Lebih Dari
Distribusi Frekuensi Biasa Distribusi Frekuensi Kumulatif lebih dariTinggi (cm) Frekuensi Tinggi (cm) Frekuensi Kumulatif
Lebih dari 140 = 50140 – 144 2 Lebih dari 145 50-2 = 48
8
145 -149 4 Lebih dari 150 50-2-4 = 44150 -154 10 Lebih dari 155 50-2-4-10 = 34155 -159 14 Lebih dari 160 50-2-4-10-14 = 20160 -164 12 Lebih dari 165 50-2-4-10-14-12 = 8165 -169 5 Lebih dari 170 50-2-4-10-14-12-5 = 3170 -174 3 Lebih dari 175 50-2-4-10-14-12-5-3 = 0
BAB IVUKURAN NILAI PUSAT
A. JENIS-JENIS UKURAN NILAI PUSAT
9
Rata-rata Hitung (Mean), adalah nilai rata-rata dari data-data yang ada,
dengan rumus sebagai berikut:
M= rata-rata sementara dilihat dari titik tengah dimana nilai X0 = 0
C=interval kelas
X0= 0 pada fi tertinggi
X=µ=Rata-rata hitung
Median, yaitu nilai tengah dari data yang ada setelah data diurutkan.
Median dapat diperuntukkan untuk jumlah kelas genap dan ganjil.
B = Tepi bawah kelas median
Modus,yaitu nilai yang paling sering muncul dalam data (Frek.tertinggi).
B = Tepi bawah kelas modus
b1= Frekuensi kelas modus – frekuensi sebelum kelas modus
b2= Frekuensi kelas modus – frekuensi setelah kelas modus
C = Interval kelas
Quartil, yaitu fraktil yang membagi seperangkat data yang
telah terurut menjadi empat bagian yang sama. Terdapat
tiga jenis kuartil yaitu kuartil pertama, kedua dan ketiga.
Untuk data yang tidak di kelompokkan, maka kuartilnya adalah:
10
= µ = M + C x Σx0fi
Σfi
Me = B+ C . ½n - ΣFkum Σfi(pada kls median)
Mo = B + b1 x C b1 + b2
Q1,Di,Pi = nilai yang ke i (n+1) , i =1,2,3… 4,10,100
Untuk data yang berkelompok, maka kuartilnya adalah:
Dimana:
Bi = Tepi bawah kelas kuartil
n = jumlah semua frekuensi
i =1,2,3
( Σfi)0 = jumlah frekuensi semua kelas sebelum kelas kuartil
C = interval kelas
fQi = frekuensi kelas kuartil atau frekuensi asolut dimana tepi bawah
kelas diperoleh
Fkum = Frekuensi kumulatif dimana tepi kelas atas diperoleh
mi = titik tengah
Desil yaitu adalah sekumpulan data dibagi sepuluh bagian sama
banyaknya, setelah disusun dari yang terendah sampai yang tertinggi.
Persentil yaitu adalah sekumpulan data yang dibagi 100 bagian yang
sama besar, setelah data disusun mulai dari yang terendah sampai yang
tertinggi sehingga menghasilkan 99 pembagi.
11
in - ( ΣFkum)0 4
Qi = Bi + ------------------- C fQi
in - ( Σfi)0 100
Pi = Bi + ------------------- C fpi
in - ( Σfi)0 10
Di = Bi + ------------------- C fdi
Rata-rata ukur ( U )
Rata-rata harmonis (IRH)
BAB VUKURAN DISPERSI
Jangkauan Antarkuartil dan Jangkauan Semi Kuartil
Jangkauan antarkuartil adalah selisih antara nilai kuartil atas (Q3) dan kuartil bawah
(Q1). Dirumuskan:
12
Log U = Σ ( fi Log mi) Σ fi
IR H = Σ fi Σ ( fi/mi)
JK = Q3 - Q1
Jangkauan semi kuartil atau simpangan kuartil adalah setengah dari selisih kaurtil
atas (Q3) dengan kaurtil bawah (Q1). Dirumuskan:
Qd = ½ (Q3 - Q1)
Deviasi Rata-rata (Simpangan Rata-rata)
Adalah nilai rata-rata hitung dari harga mutlak simpangan-simpangannya. Cara
mencari deviasi rata-rata, dibedakan antara data tunggal dan data berkelompok.
Deviasi rata-rata tunggal
X = mi=titik tengah
Deviasi rata-rata untuk data berkelompok=data dlm distribusi frekuensi
4. Varians
Adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-rata
kuadrat. Untuk sampel, variansnya (varians sampel) disimbolkan dengan s2. Untuk
populasi, variansnya (varians populasi) disimbolkan dengan 2 (dibaca : sigma).
a. Varians data Tunggal
1. Metode Biasa
a. Untuk Sampel Besar (n > 30)
b. Untuk Sampel kecil (n ≤ 30)
13
s2 = Σ(X - X )2
n
S2 = Σ(X - X )2
n - 1
DR = 1n∑ f |X−X|=1
n∑ f |X−X|
DR = 1n∑|X−X|=1
n∑|X−X|
2. Metode Angka Kasar
a. Untuk Sampel Besar (n > 30)
b. Untuk sampel kecil (n ≤ 30)
b. Varians Data Berkelompok
1. Metode Biasa
c. Untuk Sampel Besar (n > 30)
d. Untuk Sampel kecil (n ≤ 30)
2. Metode Angka Kasar
a. Untuk Sampel Besar (n > 30)
b. Untuk sampel kecil (n ≤ 30)
14
s2 =
∑ X2
n−(∑ X
n )2
s2 =
∑ X2
n−1−
n (∑ Xn−1 )
2
s2 = Σƒ(X - X )2
n
s2 = Σƒ(X - X )2
n - 1
s2 =
∑ f X 2
n−(∑ f X
n )2
s2 =
∑ f X 2
n−1−
n (∑ f Xn−1 )
2
3. Metode Coding
a. Untuk Sampel Besar (n > 30)
b. Untuk sampel kecil (n ≤ 30)
Keterangan:
C = Panjang interval kelas
u = d = X –M C C
M = rata-rata hitung sementara
c. Varians Data Gabungan
5. Simpangan Baku (Standar Deviasi)
15
sgab = √sgab2
= Σ(n-1)s Σn-k
s2 = C2 .
∑ f u2
n−1−
n (∑ f un−1 )
2
s2 = C2 .
∑ f u2
n−(∑ f u
n )2
Adalah akar dari titik tengah kuadrat simpangan dari nilai tengah atau akar
simpangan rata-rata kuadrat. Untuk sampel, simpangan bakunya (simpangan baku
sampel) disimbolkan dengan s. Untuk populasi, simpangan bakunya (simpangan baku
populasi) disimbolkan . Untuk menentukan nilai simpangan baku, caranya ialah
dengan menarik akar dari varians.
Cara mencari simpangan baku, dibedakan antara data tunggal dan berkelompok.
a. Simpangan Baku data Tunggal
1. Metode Biasa
a. Untuk Sampel Besar (n > 30)
b. Untuk Sampel kecil (n ≤ 30)
2. Metode Angka Kasar
a. Untuk Sampel Besar (n > 30)
b. Untuk sampel kecil (n ≤ 30)
16
s = √Varians
s = Σ(X - X )2
n
s = Σ(X - X )2
n - 1
s = √∑ X 2
n−(∑ X
n )2
s = √∑ X 2
n−1−
n (∑ X
n−1 )2
b. Simpangan Baku Data Berkelompok
1. Metode Biasa
a. Untuk Sampel Besar (n > 30)
b. Untuk Sampel kecil (n ≤ 30)
2. Metode Angka Kasar
a. Untuk Sampel Besar (n > 30)
b. Untuk sampel kecil (n ≤ 30)
3. Metode Coding
a. Untuk Sampel Besar (n > 30)
17
s = Σƒ(X - X )2
n
s = Σƒ(X - X )2
n - 1
s = √∑ f X2
n−(∑ f X
n )2
s = √∑ f X2
n−1−
n (∑ f X
n−1 )2
s = C √∑ f u2
n−1−
n (∑ f u
n−1 )2
perbaiki rumus no 3a
b. Untuk sampel kecil (n ≤ 30)
Keterangan:
C = Panjang interval kelas
u = d = X –M C C
M = rata-rata hitung sementara
c. Simpangan Baku Gabungan
KEMENCENGAN DAN KURTOSIS9KERUNCINGAN)
Metode-Metode Untuk menghitung Kemencengan:
1) Koefisien Kemencengan Pearson (sk)
Adalah nilai selisih rata-rata dengan modus dibagi simpangan baku.
sk =X - Mo n
X - Mo = 3 (X - Me)
18
s = C √∑ f u2
n−1−
n (∑ f u
n−1 )2
sgab = √sgab2
= Σ(n-1)s Σn-k
sk = 3 (X - Me)s
2) Koefisien Kemencengan Bowley (skB)
Koefisien ini didasarkan pada hubungan kuartil-kuartil dari sebuah distribusi.
skB = Q3 - 2Q2 + Q1
Q3 - Q1
Keterangan: Q= Kuartil
skB= Koefisien kemencengan Bowley
3) Koefisien kemencengan Persentil (skp)
Koefisien ini didasarkan pada hubungan antarpersentil (P90,P50 dan P10) dari
sebuah distribusi
skp = P90 - 2P50 + P10
P50 P10
4) Koefisien Kemencengan Momen
Untuk Data Tunggal
3 =
M3
s3=
1n∑ ( X−X )3
s3
Untuk Data Berkelompok
3 =
M3
s3=
1n∑ ( X−X )3
ƒ
s3
S= simpangan baku
Atau
3 = C3
s3 =(∑ fu3
n−3(∑ fu3
n )(∑ fun )+2(∑ fu2
n) ]
B. KERUNCINGAN (KURTOSIS)
Untuk Data Tunggal
19
4 =
M 4
s4=
1n∑ ( X−X )4
s4
Untuk Data Berkelompok
3 =
M 4
s4=
1n∑ ( X−X )4
ƒ
s4
Atau
3 =
C4
s4=(∑ fu4
n−4 (∑ fu3
n )(∑ fun )+6 (∑ fu2
n )(∑ fun )
2
−3(∑ fun
))4
BAB VIANGKA INDEKS
A. CARA PENENTUAN ANGKA INDEKS
20
(1) Indek Harga
Indeks Harga tidak Tertimbang
Metode angka relatif
Metode Agregate
Metode rata-rata Relatif
K = BANYAKNYA BARANG/PRODUCT
Indeks HargaTertimbang
Metode Agregate Sederhana Tertimbang
Metode Laspeyers
Metode Paasche
Metode Drobisch
21
It,0 = Pt x 100 P0
It,0 = Σ Pt x 100 ΣP0
It,0 =∑ Pt x 100 P0 __
k
ILt,0 = Σ Pt . Q0 x 100 ΣP0 . Q0
IDt,0 = IL t,0 x IPt,0
2
IPt,0 = Σ Pt . Qt x 100 ΣP0 . Qt
Metode Fisher
Metode Marshal-Edgeworth
Metode Rata-rata Tertimbang
W = jumlah barang yang dikonsumsi atau diproduksi
Jika analisis angka indeks ditujukan untuk konsumen maka
perhitungan dimulai dengan berapakah jumlah barang yang
dikonsumsi oleh konsumen per item barang
Untuk nilai pada periode dasar maka metode rata-rata tertimbang
menggunakan rumus rata-rata tertimbang Laspeyers
Untuk nilai pada periode berjalan maka rumus metode rata-rata
tertimbang menggunakan rumus Paasche
22IRHt,0 =∑ Pt (Pt . Pt) x 100 P0
ΣPt . Qt
IFt,0 = IL t,0 + IPt,0
IMEt,0 = Σ Pt (Q0+Qt) x 100 ΣP0 (Q0+Qt)
IRHt,0 =∑ Pt W x 100 P0
Σ W
IRHt,0 =∑ Pt (P0 . Q0) x 100 P0
ΣP0 . Q0
(2) Indeks Kuantitas
a. Indeks Kuantitas tidak Tertimbang
Metode angka relatif
Metode Agregate
Metode rata-rata Relatif
b. Indeks Kuantitas Tertimbang
Metode Laspeyers
Metode Paasche
Metode Drobisch
23
IKt,0 = Qt x 100 Q0
IKt,0 = Σ Qt x 100 ΣQ0
IKt,0 =∑ Qt x 100 Q0 __
k
IKLt,0 = Σ Qt . P0 x 100 ΣQ0 . P0
IKDt,0 = IKL t,0 + IKPt,0
2
IKPt,0 = Σ Qt . Pt x 100 ΣQ0 . Pt
Metode Fisher
Metode Marshal-Edgeworth
Metode Rata-rata Tertimbang
* Rumus rata-rata tertimbang yang menggunakan rumus Laspeyers
* Rumus rata-rata tertimbang yang menggunakan rumus Paasche
(3) Indeks Produktivitas
24
IRKt,0 =∑ Qt (Qt . Pt) x 100 Q0
ΣQt . Pt
IKFt,0 = IKL t,0 + IKPt,0
IKMEt,0 = Σ Qt (P0+Pt) x 100 ΣQ0 (P0+Pt)
IRKt,0 =∑ Qt (Q0 . Qt) x 100 Q0
ΣQ0 . P0
IProd = Produktivitas Periode t x 100 Produktivitas Periode Dasar
(4) Indeks Nilai
B. INDEKS RANTAI
1. Rumus Indeks Rantai Harga:
2. Rumus Indeks Rantai Kuantitas
3. Rumus Indeks Rantai dengan Metode Agregatif tertimbang dengan timbangan
tetap (Q2)
Contoh Soal:
Berikut ini data mengenai perkembangan harga suatu komoditas tertentu selama lima
tahun dari tahun 1991 sampai 1995
Tahun 1991 1992 1993 1994 1995
Harga(Rp/Kg) 750 925 1.150 1.300 1.550
Buatlah indeks rantai untuk tahun 1992,1993,1994 dan 1995 dengan tahun dasar 1991.
25
IProd = Jam Kerja yang digunakan untuk membuat sejumlah tertentu output periode dasar x 100
Jam kerja yang digunakan untuk membuat sejumlah tertentu output periode t
INt,0 = ∑Pt . Qt x 100 ∑Pt . Qt
It,t-1 = Pt x 100 Pt-1
It,t-1 = Qt x 100 Qt-1
It-1,t = ∑Pt Q0 x 100 ∑Pt-1Q0
Penyelesaian:
It,t-1 = Pt x 100Pt-1
I92,91 = P92 x 100 = 925 x 100 = 123,33P91 750
I93,92 = P93 x 100 = 1.150 x 100 = 124,32P92 925
I94,93 = P94 x 100 = 1.300 x 100 = 113,04P93 1.150
I95,94 = P95 x 100 = 1.550 x 100 = 119,23P94 1.300
BAB VIIKORELASI DAN REGRESI LINEAR SEDERHANA
A. VARIABEL BEBAS DAN VARIABEL TERIKAT
26
Variebel bebas (independent variabel) adalah variabel yang nilai-nilainya tidak
bergantung pada variabel lainnya, biasanya disimbolkan dengan X. Variabel itu
digunakan untuk meramalkan atau menerangkan nilai variabel yang lain.
Variabel terikat (dependent variabel) adalah variabel yang nilai-nilainya
bergantung pada variabel lainnya, biasanya disimbolkan dengan Y. Variabel itu
merupakan variabel yang diramalkan atau diterangkan nilainya.
B. ANALISIS KORELASI SEDERHANA
Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan
antarvariabel. Analisis korelasi adalah cara untuk mengetahui ada atau tidak adanya
hubungan antarvariabel misalnya hubungan dua variabel.
Korelasi yang terjadi antara dua variabel dapat berupa korelasi positif, korelasi
negatif, tidak ada korelasi ataupun korelasi sempurna.
Korelasi positif, yaitu korelasi dari dua variabel yaitu apabila variabel yang satu
(X) meningkat atau menurun maka variabel lainnya (Y) cenderung untuk
meningkat atau menurun pula.
Korelasi Negatif yaitu korelasi dari dua variabel yaitu apabila variabel yang satu
(X) meningkat atau menurun maka variabel lainnya (Y) cenderung menurun atau
meningkat
Tidak Ada Korelasi terjadi apabila kedua variaebl (X dan Y) tidak menunjukkan
adanya hubungan.
Korelasi Sempurna adalah korelasi dari dua variabel yaitu apabila kenaikkan
atau penurunan variaebl yang satu (variabel X) berbanding dengan kenaikkan
atau penurunan variabel lainnya (Variabel Y).
Analisis korelasi yang akan dipelajari di sini adalah analisis korelasi sederhana,
yaitu analisis korelasi yang hanyamelibatkan dua variabel (variabel X dan Y) saja.
C. KOEFISIEN KORELASI LINEAR SEDERHANA
Koefisien korelasi (KK) merupakan indeks atau bilangan yang digunakan untuk
mengukur keeratan (kuat, lemah atau tidak ada) hubungan antarvaribel.
Koefisien korelasi memiliki nilai antara -1 dan +1 (-1 ≤ KK≤+1).
a. Jika KK bernilai positif maka variabel-variabel berkorelasi positif . Semakin dekat
nilai KK ke +1 semakin kuat korelasinya, demikian pula sebaliknya
27
b. Jika KK bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin
dekat nilai KK ke -1 semakin kuat korelasiny, demikian pula sebaliknya
c. Jika KK bernilai 0 (nol) maka variabel-variabel tidak menunjukkan korelasi
d. Jika KK bernilai +1 atau -1 maka variabel-variabel menunjukkan korelasi positif
atau negatif yang sempurna.
Untuk menentukan keeratan hubungan atau korelasi antarvariabel tersebut
berikut ini diberikan nilai-nilai dari KK sebagai patokan.
a. KK = 0, tidak ada korelasi
b. 0 < KK ≤ 0,20, korelasi sangat rendah/lemah sekali
c. 0,20 < KK ≤ 0,40, korelasi rendah/lemah tapi pasti
d. 0,40 < KK ≤ 0,70, korelasi yang cukup berarti
e. 0,70 < KK ≤ 0,90, korelasi yang tinggi, kuat
f. 0,90 < KK ≤ 1,00, korelasi sangat tinggi, kuat sekali, dapat diandalkan
g. KK = 1, korelasi sempurna.
Fungsi dari koefisien korelasi ini adalah
a. Menentukan arah atau bentuk dan kekuatan hubungan
- Arah hubungan positif ( X ↑ Y↑ atau X↓ Y↓) atau negatif (X ↑ Y↓
atau X↓ Y↑) atau tidak ada
- Kekuatan hubungan sempurna, kuat, lemah atau tidak ada
b. Menentukan kovariasi, yaitu bagaimana dua variabel random (X dan Y)
bercampur. Kovariasi dapat dirumuskan sebagai berikut:
Keterangan :
Sx = Simpangan baku (standar deviasi) variabel X
Sy = Simpangan baku (standar deviasi) variabel Y
KK = Koefisien Korelasi
Jenis-jenis Koefisien Korelasi Linear Sederhana:
1. Koefisien Korelasi Pearson
a. Metode Least Square (OLS)
28
Kovarian = (Sx) (Sy) (KK)
r = (n) (ΣXY) - (ΣX) (ΣY)____
[ (n)( ΣX2)-(ΣX)2 ] [ (n)(ΣY2) - (ΣY)2 ]
b. Metode Product Moment
r = Σ xy___ √ Σx2 Σy2
Keterangan:
r=koefisien korelasi
x=deviasi rata-rata variabel X = X - X
y= deviasi rata-rata variabel Y= Y - Y
2. Koefisien Korelasi Rank Spearman adlah indeks atau angka yang digunakan
untuk mengukur keeratan hubungan antara dua varabel yang datanya berbentuk
data ordinal (data bertingkat/data rangking). Disimbolkan dengan ”rs”, dengan
rumus sebagai berikut:
Keterangan:
rs = Koefisien korelasi rank spearman
d =Selisih dalam rangking
n =Banyaknya data
3. Koefisien Korelasi Rank Kendall
Keterangan
S=statistik untuk jumlah konkordansi dan diskordansi
C=/-konkordansi
29
rs = 1 - 6∑d 2
n(n2 – 1)
r = S = C - D (½)N(N-1) (½)N(N-1)
D=/-diskordansi
/-=banyaknya pasangan
N=jumlah pasangan X dan Y
D. REGRESI LINEAR
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada
atau tidaknya korelasi antarvariaebl. Istilah regresi yang berarti ramalan atau taksiran
pertamakali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan
dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang
tuanya. Dalam penelitiannya, Galton menemukan bahwa tinggi anak dari rang tuan
yang tinggi cenderung meningkat atau menurun dari berat rata-rata populasi. Garis
yang menunjukkan hubungan tersebut disebut garis regresi.
Persamaan Regresi Linear dari Y terhadap X
Keterangan:
Y = Variabel Terikat
X = Variabel Bebas
a = Intersep
b = Koefisien regresi/Slop
Persamaan regresi diatas dpat juga ditulis sebagai berikut:
Persamaan Regresi Linear dari X terhadap Y
Keterangan:
X = Vraiebl Terikat
30
Y = a + b1X1
Y = Σxy x Σx2
X = a + b1Y1
Y = Variabel bebas
a = Intersep
b = Koefisien regresi
Persamaan linearnya dapat ditulis sebagai berikut:
Dari kedua persamaan tersebut yang paling umu dipakai adalah adalah bentuk
yang pertama.. Untuk mencari nilai a dan b dapat di gunakan rumus berikut:
Rumus I
Sistem Persamaan Linear Dua Variabel
Pendekatan Matriks
n ΣX a = ΣYΣX ΣX2 b = ΣXY
a = det A1 b = det A2
det A det A
A = n ΣX A1 = ΣY ΣX A2 = Σn ΣY ΣX ΣX2 ΣXY ΣX2 ΣX ΣXY
det A = (n) (ΣX2) - (ΣX) (ΣX)
31
X = Σxy y Σy2
a = (ΣY)(ΣX 2 ) - (ΣX)(ΣXY) (n) (ΣX2) - (ΣX)2
b = (n)(ΣXY) - (ΣX)(ΣY) (n) (ΣX2) - (ΣX)2
ΣY = a . n + b . ΣXΣXY = a . ΣX + b . ΣX2
det A1 = (ΣY) (ΣX2) - (ΣXY) (ΣX)
det A2 = (Σn) (ΣXY) -(ΣY) (ΣX)
Rumus II
Contoh soal:
Berikut ini data mengenai pengelaman kerja dan penjualan
X = Pengalaman kerja (tahun)
Y = omzet penjualan (ribuan)
X 2 3 2 5 6 1 4 1Y 5 8 8 7 11 3 10 4
Pertanyaan:
a. Tentukan nilai a dan b (gunakan keempat cara)
b. Buatkan persamaan garis regresinya
c. Berapa omzet penjualan dari seorang kryawan yang pengalaman kerjanya 3,5 tahun.
32
b = (n)(ΣXY) - (ΣX)(ΣY) (n) (ΣX2) - (ΣX)2
a = Y - b . X