CORRELATION (r)

Is degree of assosiation between two variables

The correlation could be + (X increase so Y also increase, or vice versa),

ex:
- if service become better, So costumer satisfaction will increase
- if age of a person become older, so the shoes size will became bigger (until age 21)
- if there is positive news in economy, so the stock market will respon positively

The correlation could be + (X increase so, Y will decrease, or vice versa)

ex:
- if price increase, so quantity demanded will be decrease
- if the absent increase, so the score will be decrease
- if consumption increase, so the saving will be decrease

-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)

2. Rank spearman correlation

Mengukur korelasi antar 2 variabel yang salah satunya diukur dengan skala ordinal
Contoh:
- Korelasi antara rangking (ordinal) dengan jam belajar (rasio)
- Korelasi antara tkt pendidikan (ordinal) dengan jabatan (ordinal)
 - Korelasi antara tkt pendidikan (ordinal) dengan persepsi tentang pandemi covid 19
(interval)
- Korelasi antara ranking di kelas (ordinal) dengan IQ (interval)

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

Scale of Nominal Ordinal Interval Rasio

measurement
Nominal Independency test Independency Independency test Independency
test test
Ordinal Independency test Rank spearman Rank spearman Rank spearman
Interval Independency test Rank spearman Pearson Pearson
Rasio Independency test Rank spearman Pearson Pearson

Spearman Rank Correlation Coefficient

The Spearman rank-correlation coefficient, rs , is a measure of association between two variables

with one of the variabel measured by ordinal scale.

Values of rs can range from –1.0 to +1.0, where

• values near 1.0 indicate a strong positive association between the rankings, and
• values near -1.0 indicate a strong negative association between the rankings.

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

5.. Significancy test of rs (using certain α)

n −2
t =r s
√ 1−r 2s

If t-stat > t α/2, df (n-2) so Reject Ho

If t-stat ≤ t α/2, df (n-2) so Failed to reject Ho

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

2. Make the rank of the data (ok)

3. Count the difference between each rank couple (ok)

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)

5.. Significancy test of rs (using certain α)

 n −2
t =r s
√ 1−r 2s

If t-stat < t α, df (n-2) so Reject Ho

If t-stat ≥ t α, df (n-2) so Failed to reject Ho

t = -3.784

Nilat t-tabel????? (one tail and small sampel)

T(0.05, df(15-2)= 1.771

Ho: ρ ≥ 0
Ha:ρ < 0
Keputusan: Reject Ho
Kesimpulannya: korelasi antara umur dengan browsing time adalah signifikan

Example: Print out result

Nonparametric Correlations
 Correlations

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).

The spearman rank correlation (rs) = 0.783

Mean: assosiation between In campus Score and In Plant Score is Strong and positive

Significancy test (use  = 0.05)

Ho: rs = 0
Ha: rs ≠ 0

RULE: if Sig. (1-tailed) > , so accept Ho

If Sig. (1-tailed) < , so reject Ho

From the SPSS result: Sig.(1-tailed) = 0.001 < 0.05

Desicion: reject Ho, accept Ha
Conclusion: There is a positive assosiation between in campus score and in plant score
 PEARSON CORRELATION

Koefisien Korelasi data Kuantitatif

a. Koefisien Korelasi Pearson (Pearson Product Moment of Correlation)

Rumus :

n. ∑ Xi . Yi−∑ Xi . ∑ Yi
r= 2 2 2 2
√ n. ∑ Xi −(∑ Xi ) . √ n .∑ Yi −( ∑ Yi )
dimana :

n = jumlah observasi

Xi = nilai variabel bebas

Yi = nilai variabel tidak bebas.

Prosedur Pengujian Korelasi ()

1. Merumuskan Hipotesis

* Ho :  ≤ 0 (Tidak terdapat korelasi positif antara X dan Y)

Ha :  > 0 (Terdapat korelasi positif antara X dan Y )

* Ho :  ≥ 0 (Tidak terdapat korelasi negatif antara X dan Y)

Ha :  < 0 (Terdapat korelasi negatif antara X dan Y)

* Ho :  = 0 ( Tidak terdapat korelasi antara X dan Y)

Ha :   0 (Terdapat korelasi antara X dan Y)

2. Menentukan nilai  yaitu tingkat kesalahan yang dapat ditolelir.

3. Mencari nilai mencari t, df(n-k)  untuk one tail atau

t/2, df(n-2)  untuk two tail

4. Hitung t0 dengan rumus :

r. √ n−2
t o=
√(1−r 2 )
5. Kesimpulan  Jika Ho ditolak, maka analisa dapat dilanjutkan dengan analisa regresi

karena sudah dibuktikan bahwa antara X dan Y memiliki korelasi.

ANALISIS REGRESI LINEAR SEDERHANA

Konsep regresi vs korelasi

Regresi: melihat/mencari/menganalisis pengaruh 1 variabel thd variabel lainnya

Shg ada var Dependent dan Independent
Contoh:
Pengaruh harga (P) thd permintaan (Q)
Var dependent = Q
Var Independent = P

Persamaan regresi:
Q = f(P, e), e mewakili peranan faktor lain seperti selera, needs, trend, kualitas dll…
Q = bo + b1 P + e

Pengaruh suku bunga (i) thd Investasi (INV)

Var dependent = Inv
Var independent = i
Inv = f (i, e)
Inv = bo + b1 i + e

Persamaan Regresi Linier : dihitung dengan pendekatan Least square

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 )

Sebelum membuat ramalan Y dengan persamaan regresi, seharusnya diadakan

pengujian hipotesis terhadap koefisien regresi. Apabila terdapat pengaruh cukup

nyata (signfikan), maka persamaan regresi Y = a + bx dapat digunakan untuk

meramalkan Y jika nilai X sudah diketahui.

Langkah – langkahnya adalah :

1. Merumuskan hipotesis:

* Ho :  < 0 (Tidak terdapat pengaruh positif antara X dan Y)

Ha :  0 (Terdapat pengaruh positif antara X dan Y)

* Ho :  > 0 (Tidak terdapat pengaruh negatif antara X dan Y)

Ha :  ≤ 0 (Terdapat pengaruh negatif antara X dan Y)

* Ho :  = 0 ( Tidak terdapat pengaruh antara X dan Y)

Ha :  ≠ 0 (Terdapat pengaruh antara X dan Y)

2. Menentukan nilai , yaitu tingkat kesalahan yang dapat ditolelir.

3. Mencari nilai t,df(n-2) atau t /2 df (n-2)

4. Menghitung t0 dengan rumus :

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

milyard Rp) adalah sebagai berikut :

Tahun Penerimaan Devisa Eksport Barang

1997 20 10
1998 25 15
1999 30 28
2000 40 38
2001 55 50

Pertanyaan :

a. Bagaimanakah hubungan antara kedua variabel tersebut

b. Ujilah koefisien korelasi jika hubungan positif dengan tingkat kesalahan 5 %.
c. Berapa besar kontribusi X terhadap Y, artinya ?
d. Tentukan persamaan garis regresinya
e. Ujilah koefisien regresinya dengan α = 10 %
f. Apabila eksport tahun 2002 mengalami kenaikan 20 % dari eksport tahun
2001, berapakah perkiraan penerimaan devisa ?
g. Jika pada tahun 2004 devisa mencapai Rp 90 milyar, berapakah eksport
barang pada tahun itu ?

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.

b. Ujilah koefisien Korelasi () :

Ho :  < 0 (Tidak terdapat korelasi positif antara X dan Y)

Ha :  ≥ 0 (Terdapat korelasi positif antara X dan Y)
Tentukan , df(n-2) :
 = 5 %  t(0,05) df(5-2) = 1,6303
Perhitungan :
r √ n−2
t 0=
√1−r2
0,9785 √5−2
= 2
=8,2174
√ 1−(0,9785 )
* Kesimpulan :

Ho ditolak, maka Ha diterima berarti terdapat hubungan yang positif

antara penerimaan devisa dengan eksport barang secara nyata.

c. Koefisien Penentu (KP)  untuk mencari besarnya sumbangan variabel X

terhadap variabel Y.

KP = r2 x 100 %
 KP = 0,97852 x 100 % = 95,7562 %
Artinya : Sumbangan / kontribusi sebesar 95,7462% diberikan eksport barang

terhadap penerimaan devisa, sedangkan 4,2538% disebabkan oleh

faktor-faktor lain.

d. Persamaan Regresi Linier Sederhana :

n. ∑ Xi. Yi−∑ Xi. ∑ Yi

b=
n. ∑ Xi 2 −( ∑ Xi)2
5(5685)−(141)(170) 4455
= = =0,8275
5(5053)−(141)2 5384

∑ Yi ∑ Xi
a= −b .
n n
170 141
= −0,8275.
5 5
= 34 − 23,3355
= 10,6645
−
Y =10,6645+ 0,8275 X

e. Ujilah koefisien regresinya dengan α = 10 %

Ho :  < 0 (Tidak terdapat pengaruh positif antara X dan Y)
Ha :  ≥ 0 (Terdapat pengaruh positif antara X dan Y)

α = 10 % , maka t df (n-2) = t0,01(5-2) = 1,683

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 :

Ho ditolak, Ha diterima berarti terdapat pengaruh antara penerimaan

devisa dengan eksport barang nyata.
f. Apabila eksport tahun 2002 mengalami kenaikan 20 % dari eksport tahun

2001, berapakah perkiraan penerimaan devisa ?

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

pada tahun itu ?

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