Tugas Kuliah Nuryanto: Mei 2014

Bab 9 Analisis Regresi dan Analisis Korelasi

ANALISIS REGRESI DAN KORELASI (Materi VIII : Analisis Regresi dan Korelasi Sederhana)

Pengertian : Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.
Analisis Regresi Sederhana : digunakan untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu variabel bebas terhadap variabel terikat dapat dibuat persamaan sebagai berikut : Y = a + b X. Keterangan : Y : Variabel terikat (Dependent Variable); X : Variabel bebas (Independent Variable); a : Konstanta; dan b : Koefisien Regresi. Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :

(nilai ujian)	X (lama belajar)	X ²	XY
40	4	16	160
60	6	36	360
50	7	49	350
70	10	100	700
90	13	169	1.170
ΣY = 310	ΣX = 40	ΣX² = 370	ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X
Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.
Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat. Sedangkan koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika sebagai berikut :

Sampel	X (statistik)	Y (matematika)	XY	X²	Y²
1	2	3	6	4	9
2	5	4	20	25	16
3	3	4	12	9	16
4	7	8	56	49	64
5	8	9	72	64	81
Jumlah	25	28	166	151	186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.

sumber:http://ssantoso.blogspot.com/2008/08/analisis-regresi-dan-korelasi-materi.html

Bab.8 Analisis Variansi

Bab. 8 Analisis Variansi

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa
populasi.
Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya dapat
diaplikasikan untuk berbagai macam kasus maupun dalam analisis hubungan
antara berbagai varabel yang diamati. Dalam perhitungan statistik, analisis
variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti kenormalan
dari distribusi, homogenitas variansi dan kebebasan dari kesalahan.
Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data
setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa
variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi
bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada
setiap kelompok bersifat saling bebas.

Hipotesis ANOVA satu arah
· H0 : μ1= μ 2 = μ 3 = … = μ k
o Seluruh mean populasi adalah sama
o Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )
· H1 : tidak seluruhnya mean populasi adalah sama
o Terdapat sebuah efek treatment
o Tidak seluruhmean populasi berbeda ( beberapa pasang mungkin sama )

Partisi Variansi
 Variansi total dapat dibagi menjadi 2 bagian :
SST = SSG + SSW
SST = Total sum of squares (jumlah kuadrat total ) yaitu penyebaran agregat
nilai data individu melalui beberapa level vaktor .
SSG/SSB = Sum of squares between-grup ( jumlah kuadrat antara ) yaitu
penyebaran diantara mean sampel factor .
SSW/SSE = Sum of squares within-grup ( jumlah kuadrat dalam ) yaitu
penyebaran yang terdapat diantara nilai data dalam sebuah
level factor tertentu .

Rumus jumlah kuadarat total ( total sum of squares )

Dimana
SST = total sum of squares ( jumlah kadarat total )
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Variansi total

Rumus untuk mencari variasi jumlah kuadrat dalam

Keterangan :
SSW/SSE = jumlah kuadrat dalam.
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )

Rumus untuk mencari varisi diantara grup

Keterangan :
SSB/SSG = jumlah kuadrat diantara
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Rumus variasi dalam kelompok

MSW = Rata-rata variasi dalam kelompok
SSW = jumlah kuadrat dalam
N-K = derajat bebas dari SSW
rumus variasi diantara kelompok

MSW/SSW = Rata-rata variasi diantara kelompok
SSG = jumlah kuadrat antara
k-1 = derajat bebas SSG

sumber:http://statistika-is-fun.blogspot.com/2013/05/analisis-variansi-satu-arah-one-way.html

Bab 7. Pengujian Hipotesis

Bab 7 . Pengujian Hipotesis

Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebabkan oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.

Contoh uji hipotesis

Seorang yang dituduh pencuri dihadapkan kepada seorang hakim. Seorang hakim akan menganggap orang tersebut tidak bersalah, sampai kesalahannya bisa dibuktikan. Seorang jaksa akan berusaha membuktikan kesalahan orang tersebut.
Dalam kasus ini, hipotesis nol (H₀) adalah: "Orang tersebut tidak bersalah", dan hipotesis alternatif (H₁) adalah: "Orang tersebut bersalah". Hipotesis alternatif (H₁) inilah yang akan dibuktikan.
Ada dua kondisi yang mungkin terjadi terhadap orang tersebut:

Orang tersebut tidak bersalah.
Orang tersebut bersalah.

Dan ada dua keputusan yang bisa diambil hakim:

Melepaskan orang tersebut.

Memenjarakan orang tersebut.

Rumus

Ada banyak jenis uji hipotesis yang dikenal. Tabel berikut menjelaskan rumus untuk masing-masing uji hipotesis tersebut.

Nama	Rumus	Asumsi / Catatan
Satu sampel z-test (En=One-sample z-test)	$z=\frac{\overline{x}-\mu_0}{\sigma}\sqrt n$	(Populasi normal atau n > 30) dan σ diketahui. (z adalah jarak dari rata-rata sehubungan dengan simpangan baku rata-rata). Untuk distribusi non-normal memungkinkan untuk dihitung proporsi terkecil dalam sebuah populasi yang berada di dalam k simpangan baku untuk setiap k.
Dua sampel z-test (En=Two-sample z-test)	$z=\frac{(\overline{x}_1 - \overline{x}_2) - d_0}{\sqrt{\frac{\sigma_1^2}{n_1} + \frac{\sigma_2^2}{n_2}}}$	Populasi normal dan observasi independen dan σ₁ dn σ₂ diketahui
Satu sampel t-test (En=One-sample t-test)	$t=\frac{\overline{x}-\mu_0} {( s / \sqrt{n} )} ,$ $df=n-1 \$	(Populasi normal atau n > 30) dan $\sigma$ tidak diketahui
Pasangan t-test (En=Paired t-test)	$t=\frac{\overline{d}-d_0} { ( s_d / \sqrt{n} ) } ,$ $df=n-1 \$	(Populasi normal dari perbedaan atau n > 30) dan $\sigma$ tidak diktahui

sumber: http://id.wikipedia.org/wiki/Uji_hipotesis