Analisa korelasi parsial
-
Upload
feri-chandra -
Category
Documents
-
view
6.327 -
download
4
description
Transcript of Analisa korelasi parsial
MAKALAH STATISTIKA
ANALISA KORELASI PARSIAL
Disusun Oleh :
KELOMPOK 3
FERI CHANDRA NIM : 201111004
IRMAN NIM : 201111016
WAHYU AKBAR A. NIM : 201111018
HENDRA YOGI A.R. NIM : 201111001
HUSNUL HIDAYAT NIM : 201111031
PROGRAM STUDI
BUDIDAYA PERKEBUNAN KELAPA SAWIT
POLITEKNIK KELAPA SAWIT CITRA WIDYA EDUKASI
2012
Analisa korelasi parsial Page 1
ANALISA KORELASI PARSIAL
1. Pengertian Korelasi Parsial
Korelasi parsial adalah pengukuran hubungan antara dua variabel, dengan
mengontrol atau menyesuaikan efek dari satu atau lebih variabel lain. Singkatnya r 1234
adalah korelasi antara 1 dan 2, dengan mengendalikan variabel 3 dan 4 dengan asumsi
variabel 1 dan 2 berhubungan linier terhadap variabel 3 dan 4. Korelasi parsial dapat
digunakan pada banyak kasus, misalnya apakah nilai penjualan suatu komoditi terkait kuat
kepada pembelanjaan iklan ketika efek harga dikendalikan. Jika korelasi parsialnya nol,
maka dapat disimpulkan bahwa korelasi yang dihitung sebelumnya adalah semu.
Disini akan dipelajari bagaimana mengukur keeratan hubungan antara Y dengan X2
sedangkan X1 dikontrol, atau korelasi parsial. Pengaruh variable yang dikontrol, disini X1,
dikeluarkan. Yaitu, hitung X2’ = X2 – (b2X1 + a2) dan Y’ = Y – (b1X1 + a1), tetapi harga-
harga a dan b disini dicari melalui regresi linear. Setelah hasilnya diperoleh diperlukan
regresi X2’ dengan Y’ :
Y’ = b3X2’ + a3
1.1 Menghitung Langsung Korelasi Parsial
Mengontrol suatu variable sangat berguna karena itu sebaiknya kita dapat
mengerjakannya dengan cepat. Rumus sederhana untuk menghitung korelasi parsial :
Korelasi parsial = rX
2Y.X1 =
rX 2Y − (rX 2X 1)(rYX 1)
√1 − r2X2X 1 √1 − r
2YX 1
2. Fungsi
Korelasi parsial digunakan untuk mencari arah dan kuat lemahnya hubungan antara 2
atau lebih variable independen (X1,X2...Xn) terhadap variable dependen (Y) secara
bersamaan , dengan mengendalikan salah satu variabel independenya.
3. Koefisien Determinasi
Koefisien korelasi, r, hanya menyediakan ukuran kekuatan dan arah hubungan linier
antara dua variabel. Akan tetapi tidak memberikan informasi mengenai berapa proporsi
keragaman (variasi) variabel dependen (Y) yang dapat diterangkan atau diakibatkan oleh
hubungan linier dengan nilai variabel independen (X). Koefisien Determinasi bisa
Analisa korelasi parsial Page 2
didefinisikan sebagai nilai yang menyatakan proporsi keragaman Y yang dapat
diterangkan/dijelaskan oleh hubungan linier antara variabel X dan Y. Untuk menentukan
besar kecilnya sumbangan variabel X terhadap Y dapat ditentukan dengan rumus koefisien
determinan sebagai berikut :
KP = r2 x 100%
Dimana :
KP adalah besarnya koefisien penentu (diterminan)
r adalah koefisien korelasi
Cari Koefisien parsial, jika X1 tetap.
4. Analisis Korelasi Parsial
a. Jika X1 tetap maka :
rx1(x¿¿ 2 y)=
r x2y−rx
1y .r x
1x
2
√(1−rx1 y2 ) (1−r x1x2
2 )¿
Hepotesa :
Ha : Ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.
H0 : Tidak ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.
b. Jika X2 tetap maka :
rx2(x¿¿ 1 y)=
r1 y−rx2y .r x
1x
2
√(1−rx2 y2 ) (1−r x1x2
2 )¿
Hepotesa :
Ha : Ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
H0 : Tidak ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
Untuk uji signifikansinya menggunakan rumus :
Analisa korelasi parsial Page 3
Y
r x2 y❑
r x1 y❑
X2
X1
r x1x2
Y
r x2 y❑
r x1 y❑
X2
X1
r x1x2
t hitung=r par√n−3
√1−r par2
Keterangan:
thitung = nilai yang akan dibandingkan dengan ttabel
rpar = nilai koefisien parsial
n = jumlah sample
Kriteria pengujian :
thitung ≥ ttabel ; maka tolak H0 (signifikan)
thitung < ttabel ; maka terima H0 (tidak signifikan)
db ttabel = n-1
5. Contoh Kasus Korelasi Parsial
Pada salah satu areal pembibitan di PT Tunas Agro telah diketahui bahwa
pertumbuhan bibit kelapa sawit di MN (main nursery) kurang maksimal. Untuk
mengetahui kurang maksimalnya pertumbuhan bibit kelapa sawit tersebut, maka
perusahaan melakukan riset untuk mengetahui kuat lemahnya pengaruh hubungan
antara dosis pemupukan (X1) dengan curah hujan (X2) terhadap pertumbuhan bibit
kelapa sawit (Y).
Pada riset yang dilakukan kali ini akan menitik beratkan pengaruh curah hujan terhadap
pertumbuhan bibit kelapa sawit dengan dosis pemupukan yang dikendalikan (konstan). Untuk
itu perusahaan mengambil 12 sampel bibit kelapa sawit pada beberapa lokasi pembibitan di
Main Nursery secara acak dan diperoleh data sebagai berikut:
Tabel 1. Tabel Data
Keterangan :
X1 = Dosis Pupuk (gr)
Analisa korelasi parsial Page 4
20 88 1,57
20 75 1,61
20 20 1,74
40 88 1,81
40 53 1,89
40 75 1,96
∑X= 225 ∑Y=829 ∑Y=0
X1 X2 Y
5 26 1,20
5 97 1,24
5 47 1,30
10 88 1,33
10 97 1,42
10 75 1,50
X2 = Curah Hujan (mm)
Y = Pertumbuhan (m)
Apakah terdapat pengaruh yang signifikan antara antara dosis pemupukan (X1)
dengan curah hujan (X2) terhadap pertumbuhan bibit kelapa sawit (Y).?
Jawab :
a. Hipotesa :
Ha : Ada pengaruh yang signifikan antara curah hujan (X2) dan pertumbuhan
bibit kelapa sawit (Y) jika dosis pemupukan (X1) tetap.
H0 : Tidak ada pengaruh yang signifikan antara curah hujan (X2) dan
pertumbuhan bibit kelapa sawit (Y) jika dosis pemupukan (X1) tetap.
b. Pembuatan tabel pembantu :
Tabel 2. Tabel Pembantu
X1 X2 Y X12 X2
2 Y2 X1Y X2Y X1X2
5 26 1,2 25 676 1,44 6 31,2 130
5 97 1,24 25 9409 1,5376 6,2 120,28 485
5 47 1,3 25 2209 1,69 6,5 61,1 235
10 88 1,33 100 7744 1,7689 13,3 117,04 880
10 97 1,42 100 9409 2,0164 14,2 137,74 970
10 75 1,5 100 5625 2,25 15 112,5 750
20 88 1,57 400 7744 2,4649 31,4 138,16 1760
20 75 1,61 400 5625 2,5921 32,2 120,75 1500
20 20 1,74 400 400 3,0276 34,8 34,8 400
40 88 1,81 1600 7744 3,2761 72,4 159,28 3520
40 53 1,89 1600 2809 3,5721 75,6 100,17 2120
40 75 1,96 1600 5625 3,8416 78,4 147 3000
∑=225 ∑=829 ∑=18,57 ∑= 6375 ∑=65019 ∑=29,48 ∑=386 ∑=1280,02 ∑=15750
c. rx1y =
n.∑ x1 y − (∑ x1 )(∑ y )
√ {n .∑ x12−(∑ x1 )
2 }. {n .∑ y2−(∑ y )2 }
=
12 .386−(225 ). (18 ,57 )
√ {12. 6375−(225 )2} . {12. 29 ,48−(18 ,57)2 } = 0,94
Analisa korelasi parsial Page 5
d. rx2y =
n .∑ x2 y −(∑ x2 )(∑ y )
√ {n .∑ x22−(∑ x2 )
2 }. {n .∑ y2−(∑ y )2}
=
12 .1280 ,02−(829) .(18 ,57)
√ {12. 65019−(829 )2} . {12. 29 ,48−(18 ,57)2 } = -0,03
e. rx1x2 =
n .∑ x1 x2 − (∑ x1 )(∑ x2 )
√ {n .∑ x12−(∑ x1 )
2 }.{n .∑ x22−(∑ x2)
2 }
=
12 .15750−(225 ).(829 )
√ {12. 6375−(225 )2} . {12. 65019−(829 )2} = 0,05
f.rx1(x¿¿ 2 y)=
r x2y−rx
1y .r x
1x
2
√(1−rx1 y2 ) (1−r x1x2
2 )¿
¿(−0,03 )−(0,94 .0,05 )
√(1−(0,94 )2 )(1−(0,05 )2)=−0.082 ( Hasil mencari rparsial)
g. KP = r2 . 100%
= (-0,082)2 . 100% = 0,67 %
h.thitung=¿
r par√n−3
√1−r par2
¿
¿ −0,082√12−3
√1−(−0,082)2
¿−0,25
i. Cari nilai ttabel menggunakan tabel t :
Taraf signifikansinya α=0 ,05 , db = n – 1 <=> 12 – 1 = 11
Nilai ttabel dengan signifikansi 5 % untuk uji 2 pihak nilainya adalah 1,796.
Kesimpulan dan Saran
Kesimpulan:
Analisa korelasi parsial Page 6
Karena ttabel lebih besar dari pada thitung (1,796 > -0,25), maka Ha diterima (signifikan),
dengan nilai koefisien determinannya sebesar 0,67 %.
Saran:
Dari hasil riset yang telah dilakukan maka kami menyarankan agar tidak dilakukan
pemupukan dengan dosis yang tinggi pada saat curah hujan yang tinggi walaupun
pengaruh yamg telah diketahui hanya sedikit 0,67 % terhadap pertumbuhan bibit kelapa
sawit di Main Nursery. Menurut pendapat kelompok kami, pengaruh yang didapat sedikit
ini dikarenakan data curah hujan yang terakumulasi antara curah hujan yang tinggi dengan
yang rendah, selain itu curah hujan yang tinggi dapat menggakibatkan pencucian unsur
hara (leaching).
Analisa korelasi parsial Page 7
Daftar Pustaka
http://ariyoso.wordpress.com/2009/11/12/korelasi-parsial/ Akses 7 Juni 2012
http://samianstats.wordpress.com/tag/korelasi-parsial/. Akses 7 Juni 2012
http://statutorial.blogspot.com/ Akses 7 Juni 2012
http://wahyupsy.blog.ugm.ac.id/tag/korelasi-parsial/. Akses 7 Juni 2012
http://widhiarso.staff.ugm.ac.id/wp/index.php/tag/korelasi-parsial/ Akses 7 Juni
2012
Analisa korelasi parsial Page 8