Professional Documents
Culture Documents
Update Correlation-Rank Spearman
Update Correlation-Rank Spearman
-1 < r < 1
r = -1 meaning the degree of assosiation between two variables is perfect negative
r = +1 meaning the degree of assosiation between two variables is perfect positive
CORRELATION MEASUREMENT
1. Independency test
Untuk menguji apakah ada keterkaitan antar 2 variabel yang salah satunya diukur dengan
skala nominal
Contoh:
- keterkaitan antara hobby (nominal) dengan income (rasio)
- keterkaitan antara agama (nominal) dengan jabatan (ordinal)
- keterkaitan antara gender (nominal) dengan tinggi badan (rasio)
- keterkaitan antara warna kesukaan (nominal) dengan gender (nominal)
3. Pearson correlation
Mengukur korelasi antara 2 variabel kuantitiatif (bisa interval, bisa rasio)
Contoh:
- Korelasi antara berat badan dengan IQ
- Korelasi antara jam belajar dengan Gaji
- Korelasi antara umur dengan berat badan
Steps:
1. Hypothesis Formulation:
Ho : rs = 0
Ha: rs 0
rs > 0
rr < 0
2. Make the rank of the data
3. Count the difference between each rank couple
4. Count rs :
6 ΣD 2
r s =1−
(
n(n2 −1 )
where: n = number of items being ranked
xi = rank of item i with respect to one variable
yi = rank of item i with respect to a second variable
di = xi - yi
Contoh: Lakukan uji korelasi rank spearman antara Umur dengan Browsing Time
Data sbb:
Jawab:
Teori: semakin muda, semakin banyak browsing time (hubungan NEGATIVE)
Langkah 1: Hipotesa
Ho: ρ ≥ 0
Ha:ρ < 0
4. Count rs :
6 ΣD 2
r s =1−
( n(n2 −1 )
Korelasi antara rank umur dengan rank Browsing time kuat dan negatif (-0.724)
t = -3.784
Ho: ρ ≥ 0
Ha:ρ < 0
Keputusan: Reject Ho
Kesimpulannya: korelasi antara umur dengan browsing time adalah signifikan
IN_CAMPU IN_PLANT
Spearman's rho IN_CAMPU Correlation Coefficient 1.000 .783**
Sig. (1-tailed) . .001
N 12 12
IN_PLANT Correlation Coefficient .783** 1.000
Sig. (1-tailed) .001 .
N 12 12
**. Correlation is significant at the 0.01 level (1-tailed).
Rumus :
n. ∑ Xi . Yi−∑ Xi . ∑ Yi
r= 2 2 2 2
√ n. ∑ Xi −(∑ Xi ) . √ n .∑ Yi −( ∑ Yi )
dimana :
n = jumlah observasi
1. Merumuskan Hipotesis
r. √ n−2
t o=
√(1−r 2 )
5. Kesimpulan Jika Ho ditolak, maka analisa dapat dilanjutkan dengan analisa regresi
Persamaan regresi:
Q = f(P, e), e mewakili peranan faktor lain seperti selera, needs, trend, kualitas dll…
Q = bo + b1 P + e
Y’ = a + bx
Dimana :
a=
∑ Yi −b. ∑ Xi
n n
n. ∑ Xi.Yi−∑ Xi. ∑ Yi
b=
n. ∑ Xi 2−(∑ Xi)2
Keterangan :
a = konstanta
b = koefisien regresi / slope
Xi = variabel bebas
Yi = variabel tidak bebas
Pengujian Hipotesis Tentang UJI KOEFISIEN REGRESI (Uji )
1. Merumuskan hipotesis:
b
t 0=
Sb
Dimana :
∑ Y 2−a ∑ Y −b ∑ XY
S e=
√ Se
n−2
S b=
2
√ ∑ x 2−
5. Kesimpulan / Keputusan :
(∑ X )
n
Jika Ho diterima ^y = a + bx , tidak boleh untuk meramalkan.
Contoh Soal
Data mengenai penerimaan devisa & eksport Indonesia selama 5 tahun (dalam
Pertanyaan :
Jawab :
a) Koefisien Korelasi
Eksport Penerimaan
Tahun Barang Devisa
(X) (Y) XY X2 Y2
1997 10 20 200 100 400
1998 15 25 375 225 625
1999 28 30 840 784 900
2000 38 40 1520 1444 1600
2001 50 55 2750 2500 3025
Jumlah 141 170 5685 5053 6550
n. ∑ Xi .Yi−∑ Xi . ∑ Yi
r=
√n .∑ Xi 2−( ∑ Xi )2 . √ n. ∑ Yi2−(∑ Yi)2
5(5685)−(141)(170 )
=
√[5(5053 )−(141 )2 ]. √[5(6550−(170 )2 ]
28425−23970
=
√[25265−19881]. √[ 32750−28900 ]
4455
= =0,9785
4552,8453
hubungan antara penerimaan devisa dengan eksport barang adalah sangat kuat
& positif.
terhadap variabel Y.
KP = r2 x 100 %
KP = 0,97852 x 100 % = 95,7562 %
Artinya : Sumbangan / kontribusi sebesar 95,7462% diberikan eksport barang
faktor-faktor lain.
∑ Yi ∑ Xi
a= −b .
n n
170 141
= −0,8275.
5 5
= 34 − 23,3355
= 10,6645
−
Y =10,6645+ 0,8275 X
Perhitungan :
∑ Y 2−a ∑ Y −b ∑ XY
S e=
n−2√
6550−(10,6645 )(170)−(0,8275 )(5685 )
=
√
5−2
6550−6517,3025
=
√
3
=3,3014
Se
S b=
2
=
√
3,3014
2
∑ x −n
(∑ X )
=
3,3014
=0,1006
( 141 )2 37,8146
b
√
5053−
5
0,8275
t 0= →t 0 = =8,2250
Sb 0,1006
Kesimpulan :
Jika X = 20 % x 50 = 60 , maka Y = ?
−
Y =10,6645+0,8275 X
Y = 10,6645 + 0,8275 (60) = 60,3145
g. Jika pada tahun 2004 devisa mencapai Rp 90 milyar, berapakah eksport barang
Jika Y = 90 , maka X = ?
−
Y =10,6645+0,8275 X
90 = 10,6645 + 0,8275 X
0,8275 X = 90 –10,6645
79,3355
X= =95,8737
0,8275 X = 79,3355 0,8275