Korelasi Linier dan Link Download File Referensi
https://eu2.contabostorage.com/00f3241116844f24b628f46d81abb929:st1/folder8/8548/1656392281_analisis_korelasi_linier___Ekonomi_Manajemen.ppt
2026-06-01 13:20:09 - Admin
<style> body{ font-family: Arial, Helvetica, sans-serif; line-height: 1.6; margin:0; padding:0; background-color:#f9f9f9; color:#333; } header{ background-color:#4a90e2; color:#fff; padding:20px 10%; text-align:center; } main{ max-width:800px; margin:30px auto; padding:0 15px; background:#fff; box-shadow:0 2px 5px rgba(0,0,0,0.1); } h1,h2,h3{ color:#2c3e50; } p{ margin:15px 0; } table{ width:100%; border-collapse:collapse; margin:20px 0; } th,td{ border:1px solid #ccc; padding:8px; text-align:center; } code{ background:#eaeaea; padding:2px 4px; border-radius:3px; } .example{ background:#f0f8ff; padding:10px; border-left:4px solid #4a90e2; margin:20px 0; } </style><header> <h1>Korelasi Linier</h1> <p>Memahami hubungan linear antara dua variabel</p></header><main> <section> <h2>Apa itu Korelasi Linier?</h2> <p>Korelasi linier adalah ukuran statistik yang menggambarkan seberapa kuat dan arah hubungan linear antara dua variabel kuantitatif. Nilai korelasi berkisar antara <code>-1</code> sampai <code>1</code>. Nilai <code>1</code> menandakan hubungan positif sempurna, <code>-1</code> menandakan hubungan negatif sempurna, dan <code>0</code> menunjukkan tidak ada hubungan linear.</p> </section> <section> <h2>Cara Menghitung Koefisien Korelasi Pearson</h2> <p>Koefisien korelasi Pearson (<em>r</em>) adalah yang paling umum dipakai. Rumusnya:</p> <p> <code> r = [(XX)(Y)] / [(XX) (Y)] </code> </p> <p>Dimana:</p> <ul> <li><code>X</code> dan <code>Y</code> adalah nilai individual.</li> <li><code>X</code> dan <code></code> adalah ratarata masingmasing variabel.</li> <li> menandakan penjumlahan semua observasi.</li> </ul> <div class="example"> <h3>Contoh Perhitungan</h3> <p>Diberikan data nilai ujian matematika (X) dan fisika (Y) untuk 5 siswa:</p> <table> <tr><th>Siswa</th><th>X (Matematika)</th><th>Y (Fisika)</th></tr> <tr><td>1</td><td>78</td><td>85</td></tr> <tr><td>2</td><td>92</td><td>88</td></tr> <tr><td>3</td><td>84</td><td>82</td></tr> <tr><td>4</td><td>70</td><td>78</td></tr> <tr><td>5</td><td>88</td><td>90</td></tr> </table> <p>Ratarata X = 82,4, ratarata Y = 84,6. Menghitung masingmasing selisih, perkalian, dan kuadrat kemudian diaplikasikan ke rumus menghasilkan <code>r 0,86</code>. Ini menunjukkan korelasi positif kuat antara nilai matematika dan fisika.</p> </div> </section> <section> <h2>Interpretasi Nilai Korelasi</h2> <p>Berikut panduan umum untuk menginterpretasikan nilai <em>r</em>:</p> <table> <tr><th>Rentang r</th><th>Interpretasi</th></tr> <tr><td>0,00 0,19</td><td>Hubungan lemah atau hampir tidak ada</td></tr> <tr><td>0,20 0,39</td><td>Hubungan lemahsedang</td></tr> <tr><td>0,40 0,59</td><td>Hubungan sedang</td></tr> <tr><td>0,60 0,79</td><td>Hubungan kuat</td></tr> <tr><td>0,80 1,00</td><td>Hubungan sangat kuat</td></tr> <tr><td>-0,20 -0,39</td><td>Hubungan lemahsedang (negatif)</td></tr> <tr><td>-0,40 -0,59</td><td>Hubungan sedang (negatif)</td></tr> <tr><td>-0,60 -0,79</td><td>Hubungan kuat (negatif)</td></tr> <tr><td>-0,80 -1,00</td><td>Hubungan sangat kuat (negatif)</td></tr> </table> <p>Perlu diingat bahwa korelasi tidak menjelaskan sebabakibat.</p> </section> <section> <h2>Asumsi Dasar Korelasi Linier</h2> <ul> <li><strong>Linearitas:</strong> Hubungan antara variabel harus bersifat linear.</li> <li><strong>Normalitas:</strong> Kedua variabel sebaiknya berdistribusi normal, terutama bila sampel kecil.</li> <li><strong>Homogenitas varians:</strong> Varians variabel Y konstan di seluruh nilai X.</li> <li><strong>Independensi:</strong> Observasi harus independen satu sama lain.</li> </ul> <p>Jika asumsi tersebut tidak terpenuhi, koefisien korelasi Pearson dapat menyesatkan. Alternatifnya adalah menggunakan korelasi nonparametrik seperti <em>Spearman's rho</em> atau <em>Kendall's tau</em>.</p> </section> <section> <h2>Korelasi vs. Regresi</h2> <p>Korelasi mengukur kekuatan hubungan, sementara regresi memodelkan hubungan tersebut untuk prediksi. <em>Koefisien determinasi</em> (<code>R</code>) dalam regresi linier sederhana adalah kuadrat dari koefisien korelasi Pearson (<code>R = r</code>).</p> </section> <section> <h2>Penerapan Korelasi Linier dalam Berbagai Bidang</h2> <ul> <li><strong>Ekonomi:</strong> Mengkaji hubungan antara inflasi dan tingkat pengangguran.</li> <li><strong>Kesehatan:</strong> Menilai korelasi antara asupan kalori dan indeks massa tubuh.</li> <li><strong>Pendidikan:</strong> Memeriksa hubungan antara jam belajar dan nilai ujian.</li> <li><strong>Ilmu Sosial:</strong> Menghubungkan tingkat pendidikan dengan pendapatan per kapita.</li> </ul> </section> <section> <h2>Keterbatasan dan Kesalahan Umum</h2> <p>Beberapa hal yang sering menyebabkan misinterpretasi:</p> <ol> <li><strong>Outlier:</strong> Nilai ekstrem dapat meningkatkan atau menurunkan nilai <em>r</em> secara tidak proporsional.</li> <li><strong>Asumsi Linearitas:</strong> Jika hubungan melengkung, <em>r</em> bisa rendah meski ada hubungan kuat.</li> <li><strong>Menafsirkan Sebagai Kausalitas:</strong> Korelasi tidak membuktikan satu variabel menyebabkan perubahan pada variabel lain.</li> </ol> </section> <section> <h2>Kesimpulan</h2> <p>Korelasi linier merupakan alat statistik yang sederhana namun kuat untuk menilai hubungan antara dua variabel kuantitatif. Memahami cara menghitung, menafsirkan, serta batasan-batasannya penting agar hasil analisis dapat dipakai secara tepat dalam penelitian maupun pengambilan keputusan.</p> </section></main>