الأربعاء، 26 ديسمبر 2012

Statistik Uji Korelasi


Tugas Individu
M.K. Statistik

UJI KORELASI POSITIF, NEGATIF, DAN NOL


HASWADI H.
12B08066
PTK


PENDIDIKAN TEKNOLOGI KEJURUAN
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI MAKASSAR
2012





Data Pengunjung Dan Penjualan Mini Market Pakkita (Korelasi Positif)
Nomor
Pengunjung
Penjualan
1
75
230
2
115
290
3
80
255
4
77
235
5
105
283
6
72
265
7
144
315
8
67
233
9
120
265
10
127
277
11
92
260
12
85
263
13
95
210
14
90
270
15
130
277

Dari data di atas akan dicari korelasinya, apakah korelasi positif, korelasi negatif, atau korelasi nol. Untuk keperluan mencari angka korelasi r dapat dicari dengan menggunakan SPSS 17 :

Descriptive Statistics


Mean
Std. Deviation
N

Pengunjung
98.2667
23.92090
15

Penjualan
261.8667
26.61596
15

Correlations


Pengunjung
Penjualan
Pengunjung
Pearson Correlation
1
.716**
Sig. (2-tailed)

.003
Sum of Squares and Cross-products
8010.933
6383.533
Covariance
572.210
455.967
N
15
15
Penjualan
Pearson Correlation
.716**
1
Sig. (2-tailed)
.003

Sum of Squares and Cross-products
6383.533
9917.733
Covariance
455.967
708.410
N
15
15
**. Correlation is significant at the 0.01 level (2-tailed).

            Dari hasil perhitungan mencari angka korelasi r, didapatkan nilai 0.716 yang berarti korelasi positif. Selain besar korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil. tanda positif (+) menunjukkan arah hubungan yang sama atau korelasi positif.
            Angka pada output antara Pengunjung dengan Penjualan yang menghasilkan angka 0,716. Angka tersebut menunjukkan adanya hubungan yang cukup erat antara Pengunjung dengan Penjualan dengan tingkat presentasi sebesar 71,6%. Pada Sig.(2-tailed) sebesar 0,003 ini berarti jika kita menggunakan taraf signifikansi 5%, maka korelasi signifikan jika nilai Sig.(2-tailed) lebih kecil dari 0,05 (rhitung < 0,05) dan tidak signifikan jika lebih dari 0,05 (rhitung > 0,05). Dari hasil output maka kesimpulannya ada hubungan antara banyaknya pengunjung dengan besarnya penjualan.
            Tanda ** Dengan tanda bintang 2, lihat keterangan dibawahnya. (correlation is significant at the 0.01 level). ini artinya korelasi ini signifikan pada level/taraf 1%. Jika korelasi signifikan pada 1% maka sudah pasti juga signifikan pada 5%, tetapi jika signifikan pada 5% belum tentu signifikan pada level 1%. Hal ini menunjukkan bahwa semakin Banyak Pengunjung maka semakin tinggi Penjualan begitupun sebaliknya.
            Nilai N merupakan banyaknya Pengunjung dengan Penjualan yaitu 15. Untuk N Banykanya Pengunjung reratanya adalah 98,2667 dan simpangan bakunya adalah 23,92. Ini berarti prediksi nilai terendahnya yaitu 98,2667 – 23,92 = 74,3467. Prediksi untuk nilai tertinggi yaitu 98,2667 + 23,92 = 122,1867. Untuk Penjualan, rerata yang didapatkan adalah 261,8667 dengan simpangan baku 26.61596. Prediksi nilai terendah yaitu 261,8667 – 26,61596 = 235,25 dan prediksi untuk nilai tertinggi yaitu 261,8667 + 26,61596 = 288,48266.


 Data Harga Barang dengan Permintaan (Korelasi Negatif)
Nomor
Harga Barang
Permintaan
1
550
145
2
1500
85
3
850
140
4
1100
95
5
1250
90
6
850
85
7
700
155
8
1200
135
9
750
155
10
1100
125
11
600
165
12
850
170
13
1250
85
14
1450
80
15
750
145

Dari data di atas akan dicari korelasinya, apakah korelasi positif, korelasi negatif, atau korelasi nol. Untuk keperluan mencari angka korelasi r dapat dicari dengan menggunakan SPSS 17 :

Descriptive Statistics


Mean
Std. Deviation
N

Harga
983.3333
302.17466
15

Permintaan
123.6667
33.24512
15

Correlations


Harga
Permintaan
Harga
Pearson Correlation
1
-.781**
Sig. (2-tailed)

.001
Sum of Squares and Cross-products
1278333.333
-109833.333
Covariance
91309.524
-7845.238
N
15
15
Permintaan
Pearson Correlation
-.781**
1
Sig. (2-tailed)
.001

Sum of Squares and Cross-products
-109833.333
15473.333
Covariance
-7845.238
1105.238
N
15
15
**. Correlation is significant at the 0.01 level (2-tailed).

            Dari hasil perhitungan mencari angka korelasi r, didapatkan nilai -0,781 yang berarti korelasi negatif.
Angka pada output antara Harga  barang dengan Permintaan yang menghasilkan angka -0,781. Angka tersebut menunjukkan adanya hubungan yang terbalik antara Harga Barang dengan Permintaan Barang dengan tingkat kepercayaan -78,1%. Tanda ** Dengan tanda bintang 2, lihat keterangan dibawahnya ** correlation is significant at the 0.01 level. ini artinya korelasi ini signifikan pada level/taraf 1%. Jika korelasi signifikan pada 1% maka sudah pasti juga signifikan pada 5%, Hal ini menunjukkan bahwa semakin tinggi Harga Barang  maka akan semakin rendah Permintaan Barang Begitupun sebaliknya Jika Harga Barang Menurun maka Permintaan Barang akan Meningkat.
Pada Sig.(2-tailed) sebesar 0,001. ini berarti jika kita menggunakan taraf signifikansi 5%, maka korelasi signifikan jika nilai Sig (2-tailed) lebih kecil dari 0,05. dan tidak signifikan jika lebih dari 0,05. Dari hasil out put maka kesimpulannya ada korelasi yang signifikan.
Dalam output di atas, terlihat angka korelasi 1. Hal ini diabaikan saja, karena itu terjadi antar variabel yang sama (Harga dengan Harga atau Permintaan dengan Permintaan) yang tentunya tidak relevan dengan kasus.
            Nilai N merupakan banyaknya data Harga barang dengan Permintaan yaitu 15. Untuk Harga barang reratanya adalah 983,33 dan simpangan bakunya adalah 302,17466. Ini berarti prediksi nilai terendahnya yaitu 983,33 – 302,17466 = 681,15534. Prediksi untuk nilai tertinggi yaitu 983,33 + 302,17466 = 1285,50466. Untuk Permintaan Barang, rerata yang didapatkan adalah 123,6667 dengan simpangan baku 33,24512. Prediksi nilai terendah yaitu 123,6667 – 33,24512 = 90,42158 dan prediksi untuk nilai tertinggi yaitu 123,6667 + 33,24512 = 156,91182.


  
Data Antara Berat Badan dengan Tekanan Darah (Korelasi Nol)
Nomor
Berat Badan
Tekanan Darah
1
55
130
2
77
110
3
65
105
4
70
115
5
75
135
6
48
115
7
42
140
8
58
120
9
67
115
10
55
115
11
74
120
12
83
125
13
75
110
14
85
145
15
65
135

Dari data di atas akan dicari korelasinya, apakah korelasi positif, korelasi negatif, atau korelasi nol. Untuk keperluan mencari angka korelasi r dapat dicari dengan menggunakan SPSS 17 :

Descriptive Statistics

Mean
Std. Deviation
N
Berat
66.2667
12.59516
15
Tekanan
122.3333
12.08108
15

Correlations


Berat
Tekanan
Berat
Pearson Correlation
1
.007
Sig. (2-tailed)

.979
Sum of Squares and Cross-products
2220.933
15.667
Covariance
158.638
1.119
N
15
15
Tekanan
Pearson Correlation
.007
1
Sig. (2-tailed)
.979

Sum of Squares and Cross-products
15.667
2043.333
Covariance
1.119
145.952
N
15
15

            Dari hasil perhitungan mencari angka korelasi r, didapatkan nilai 0,007 yang berarti korelasi nol. Angka pada output antara Berat Bedan dengan Tekanan Darah yang menghasilkan angka 0,007 mempunyai tingkat kepercayaan hubungan antara kedua data tersebut hanyal padal level 0,7%. Ini menunjukkan Tidak adanya hubungan Jelas antara Berat Bedan dengan Tekanan Darah. Pada bagian bawah tabel tidak ada Tanda **, Hal ini menunjukkan bahwa tidak ada korelasi antara Berat badan dengan tekanan darah.
Untuk Sig.(2-tailed) sebesar 0,979. ini berarti jika kita menggunakan taraf signifikansi 5%, maka korelasi tidak signifikan karena nilai Sig(2-tailed) lebih besar dari 0,05 begitupun pada taraf signifikan 1%. Dari hasil out put maka kesimpulannya tidak ada hubungan antara Berat Badan dengan Tekanan Darah.
Dalam output di atas, terlihat angka korelasi 1. Hal ini diabaikan saja, karena itu terjadi antar variabel yang sama (seperti Berat Badan dengan Berat Badan atau Tekanan Darah dengan Tekanan Darah) yang tentunya tidak relevan dengan kasus.
            Nilai N merupakan banyaknya data yaitu 15. Untuk Nilai Berat Badan reratanya adalah 66,2667 dan simpangan bakunya adalah 12,59516. Ini berarti prediksi nilai terendahnya yaitu 66,2667 – 12,59516 = 53,67514. Prediksi untuk nilai tertinggi yaitu 66,2667 + 12,59516 = 78,86186. Untuk Tekanan Darah, rerata yang didapatkan adalah 122,3333 dengan simpangan baku 12,08108. Prediksi nilai terendah yaitu 122,3333 – 12,08108 = 110,25222 dan prediksi untuk nilai tertinggi yaitu 122,3333 + 12,08108 = 134,41438..

ليست هناك تعليقات:

Featured Post

SISTEM KOMPUTER

 PERANGKAT KERAS KOMPUTER Perangkat keras  komputer adalah istilah kolektif yang digunakan untuk menggambarkan salah satu komponen fisik kom...