190 likes | 500 Vues
Hubungan Antar Sifat. Kuswanto, 2007. HUBUNGAN ANTAR SIFAT. Hubungan antara dua atau lebih sifat (variabel) sering dipelajari dengan analisis regresi dan korelasi. Regresi adalah bentuk hubungan antar variabel, sedang korelasi adalah keeratan hubungan antar variabel.
E N D
Hubungan Antar Sifat Kuswanto, 2007
HUBUNGAN ANTAR SIFAT • Hubungan antara dua atau lebih sifat (variabel) sering dipelajari dengan analisis regresi dan korelasi. • Regresi adalah bentuk hubungan antar variabel, sedang korelasi adalah keeratan hubungan antar variabel. • Antara analisis regresi dan korelasi sebenarnya merupakan dua hal yang terpisah, namun karena ada kesamaan rumus-rmusnya, maka dibicarakan bersama.
Regresi dan korelasi • Regresi : hubungan antara 2 (atau lebih) peubah x dan y, y merupakan fungsi x, y sebagai peubah tak bebas dan x sebagai peubah bebas. • Korelasi : hubungan antara 2 peubah (atau lebih), dimana yang dibicarakan berupa derajad asosiasi (kesesuaian) linier. X dan y merupakan peubah bebas
Regresi • Sepasang data : x : x1 x2 x3 x4 …. xn ---------------------------------------- y : y1 y2 y3 y4 …. yn • Berdasarkan pada y = f (x), persamaan regresi linier dituliskan sebagai • Y = α + βx + ε • Dimana α = intersep, β = koefisien regresi dan ε (epsilon) = sesatan • Untuk mencari nilai α dan β, diperlukan penduga untuk α dan β. • Penduga untuk α ditulis dengan a dan penduga untuk β ditulis dengan b, yang diperoleh dengan jalan membuat jumlah kuadrat sesatan sekecil mungkin (dikenal dengan Metode Jumlah Kuadrat Terkecil)
Dari persamaan normal : an + b Xi = Yi a Xi + b Xi² = XiYi • Dari dua persamaan normal diatas akan diperoleh koefisien regresi b XiYi -[(Xi)( Yi)]/n • b = --------------------------------- atau Xi² - (Xi)²/n (Xi -X)(Yi-Y) xi yi • b = ------------------------ = --------------- (Xi -X) xi
Dari rumus itu pula diperoleh nilai intersep a a = Y - bX • Dengan demikian a dan b masing-masing telah diketahui dan persamaan regresinya menjadi y = a + bx
Berdasarkan rumus koefisien regresi XiYi -[(Xi)( Yi)]/n 77-{(10)(30)}/5 • b = --------------------------- = ------------------ = 1,7 Xi² - (Xi)²/n 30 - (10)2/5 • dan a = 30/5 - 1,7 (10/5) = 2,6 • Jadi penduga untuk persamaan regresinya adalah y = 2,6 + 1,7x
Uji hipotesis : • Ho : β = 0 (tak ada hubungan linier antara x dan y) • H1 : β 0 (antara x dan y ada hubungan linier) • s2 = 1/(n-2) [{yi2 - (yi)2/n} - b{xiyi - ((xi)(yi))/n}] = 1/(n-2) [varian y - b(kovarian xy)] • sb2 = s2 / [ xi2 - (xi)2/n] = s2 /varian x • Harga mutlak |t hit | = | b/sb | • Bila t hit lebih besar dari t0,025,(n-2), maka Ho ditolak dan persamaan regresi tersebut dapat digunakan untuk meramal nilai Y berdasarkan nilai X.
Korelasi • Sebagaimana pada analisis regresi, pada korelasi juga terdapat pasangan data (xi , yi) dimana i = 1, 2, 3, …, n. • Bedanya y dan x tak ada hubungan sebab akibat atau saling bebas sesamanya. • Dengan demikian korelasi hanyalah merupakan keeratan hubungan antara y dan x
Rumus koefisien korelasi adalah : XiYi -[(Xi)( Yi)]/n • r = --------------------------------------------- √ [Xi² - (Xi)²/n] [Yi² - (Yi)²/n] • Besarnya reliabilitas r sangat tergantung pada besarnya contoh n. • Jadi untuk r = 0,6 dari contoh n =10 tidak sama dengan r = 0,6 dari contoh n = 100. • Reliabilitas ataupun presisi r makin bertambah dengan makin bertambahnya ukuran contoh.
Uji hipotesis r adalah : • Ho : r = 0, (berarti tak ada hubungan linier antaya x dan y) • H1 : r 0, (berarti ada hubungan linier) • t hitung dihitung dengan rumus : r √n-2 • t hit = ---------------- √ (1-r2) • Hasilnya dibandingkan dengan ttabel (α/2, n-2), bila I t hit I ≥ t tabel Ho ditolak yang berarti ada korelasi nyata antara x dan y
Contoh : Hitung nilai korelasinya Uji tingkat nyata pada taraf 5 % dan 1% Cara : hampir sama dengan regresi
Dari rumus dibawah diperoleh XiYi -[(Xi)( Yi)]/n • r = -------------------------------------------- = 0,9321 √ [Xi² - (Xi)²/n] [Xi² - (Xi)²/n] • Dari rumus uji hipotesis korelasi diperoleh r √n-2 • t hit = -------------- = 6,3035 √(1-r2) • Untuk db = 6 nilai t0,05 = 1,943 dan t0,01 = 1,440 t hitung lebih besar dari t tabel, maka terdapat korelasi sangat nyata antara dosis pupuk dengan hasil padi