MODUL AJAR BAHASA INDONESIA KELAS 6 KURIKULUM MERDEKA.pdf
Analisis regresi dan korelasi sederhana
1.
2. Makna Korelasi dan Regresi
Regresi dan korelasi digunakan
untuk mempelajari pola dan mengukur
hubungan statistik antara dua variabel
atau lebih.
Jika digunakan dua variabel disebut
Regresi dan Korelasi Sederhana dan jika
lebih disebut Regresi dan Korelasi
Berganda.
3. Analisa korelasi sederhana : meneliti
hubungan dan bagaimana eratnya itu,
tanpa melihat bentuk hubungan.
• Jika kenaikan didalam suatu variable diikuti dengan
kenaikan variable yang lain,maka dapat dikatakan
bahwa kedua variable tersebut mempunyai
“korelasi”yang positif.
• Jika kenaikan didalam suatu variable diikuti
penurunan variable yang lain maka kedua variable
tersebut mempunyai korelasi negatif.
• Jika tidak ada perubahan pada suatu variable
,meskipun variable yang lain mengalami perubahan
,maka kedua variable tersebut, tidak mempunyai
hubungan (uncorrelated).
4. Pedoman Untuk Menginterpretasikan
Koefisien Korelasi (r)
Interval Koefisien Tingkat Hubungan
0,00 – 0,199 Sangat rendah
0.20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat
5. Ukuran yang digunakan untuk mengukur derajat hubungan (korelasi)
linier disebut koefisien korelasi (correlation coefisient)
yang dinyatakan dengan notasi” r” yang sering dikenal dengan nama
“Koefisien Korelasi Pearson atau
Product Moment Coefficient of Correlation”, dan secara
sederhana dapat dittulis sbb :
n
r
2 2 2 2
n n
r
Nilai selalu terletak antara – 1 dan + 1 (-1< r < 1)
Jika r =1, ini berarti ada korelasi positif sempurna antara X dan Y
r = -1 ini berarti ada korelasi negatif sempurna antara X dan Y.
r = 0, ini berarti tidak ada korelasi antara X dan Y
6. Analisis Regresi
Analisis regresi digunakan untuk mengetahui
hubungan ketergantungan antara variabel tak
bebas X (dependent) dengan variabel bebas Y
(independent)
Dengan tujuan untuk meramalkan nilai rata-rata
dari variabel tak bebas apabila variabel bebasnya
sudah diketahui.
Hal itu dapat diketahui dengan menyajikan data
kedalam diagram pencar ( Scaater Diagram)
7. Diagram Pencar akan menggambarkan hubungan
antara variabel X dan Y.
Jika letak hubungan berupa garis lurus maka dapat
diramalkan bahwa variabel-variabel tersebut ada
hubungan linier.
Dalam hal lainnya hubungannya diramalkan non linier.
8. Jika regresi Y atas X linier, maka persamaan
persamaannya ditulis dalam bentuk linier
: (persamaan garis lurus)
= nilai yang di ukur pada variabel tak
bebas
= intersep/perpotongan garis regresi
dengan sumbu Y.
= Kemiringan garis regresi. Untuk
mengukur naik/turunnya Y setiap
perubahan satu-satuan X.
9. Harga dan untuk regresi linier diatas dapat dicari
berdasarkan sekumpulan data sebanyak n buah
dengan sistem persamaan sebagai berikut :
Kedua persamaan diatas, disebutkaan persamaan
normal untuk bentuk regresi . Persamaan normal
ini dapat dituliskan kembali menjadi :
10. Mencari hubungan regresi dan korelasi
dengan menggunakan SPSS
Disamping merupakan tabel mengenai
metode pembelajaran konvensional dan
type STAD (Student Team Achievment
Division).
(Peneliti meramalkan jika hasil siswa
dengan metode konvensional baik maka
STAD juga baik).
11. Aplikasi Regresi dengan SPSS :
1. Pilih menu Analyze – Regression – Linear
2. Tentukan var bergantung dan var bebas
3. Tentukan Metoda yang digunakan (Enter,
Stepwise,Forward, Backward)
4. Tentukan perhitungan statistik yang
diperlukan
5. Tentukan jenis plot yang diperlukan
6. Tentukan harga F testnya
14. Output
Nilai R = 0,595 berarti korelasi hasil siswa dengan
menggunakan metode konvensional dan type STAD
sedang.
Kedua variabel memiliki 35,4% kebersamaan
variasinya. Sisanya 64,6% tidak dapat dijelaskan atau
tidak teramalkan atau 35,4% dari variasi konvensional
itu berkaitan dengan peubah STAD, sedangkan 64,6%
lagi tidak.
(Nilai 35,4% diperoleh dari 0,5952 x 100%).