Hubungantersebut dapat ditunjukkan oleh persamaan, y/x = k atau y = kx, k adalah konstanta perbandingan. Banyak pertamax yang diperlukan untuk menempuh perjalanan sejauh 387 km. Andi mengganti jarak yang ditempuh (y) dengan 387 dan menyelesaikan persamaan untuk menentukan banyak pertamax (x). 387 = 43 × x 387 ÷ 43 = x 9 = x bentangandata benar-benar tepat dan pendekatannya adalah mencari kurva tunggal atau sederetan kurva yang tepat melalui titik-titik tersebut (Kristoko Dwi Hartono 2006). Ekstrapolasi adalah taksiran harga-harga diluar batas data yang diamati. Persamaan yang digunakan untuk menentukan fungsi Teorikuantitas uang Irving Fisher menjelaskan hubungan antara jumlah uang beredar dan tingkat harga. Irving Fisher menggunakan persamaan [MV = PT]. M adalah singkatan dari Jumlah Uang Beredar. V berarti perputaran uang yang menyiratkan jumlah rata-rata kali suatu unit uang berpindah tangan selama periode tertentu. A Harga X naik 10% dan Y turun 10% B. Harga X dan Y naik 10% C. Harga X dan Y naik 10%, pendapatan nominal turun 5% D. Harga X dan Y turun 10%, pendapatan nominal turun 10% E. Harga X dan Y naik 10%, pendapatan nominal turun 10% 9. UM UGM 2006 . Penerimaan total dari penjualan X adalah R = 80Q - 2Q2. Hubungandengan Koordinat Cartesius. Andaikan sumbu kutub berimpit dengan sumbu x positif system koordinat Cartesius. Maka koordinat kutub (r, θ) sebuah titik P dan koordinat Cartesius (x, y) titik itu dihubungkan oleh persamaan : x = r cos θ y = r sin θ. r² = x² + y² θ = tan x/y. Hubungan tersebut jelas berlaku untuk sebuah titik P yang DimanaS adalah standar deviasi, p adalah proporsi dikotomi, dan y adalah ordinat pada kurva normal ntuk nilai p. Korelasi Eta. Korelasi Eta digunakan untuk mengetahui tingkat hubungan antara satu variabel dengan skala pengukuran nominal dikotomi atau polikotomi dengan variabel lain yang berskala minimal interval. Korelasi Eta ini didapat dari Untukkeperluan pemilihan teknik analisis statistika yang tepat, bahwa hubungan antara X dan Y adalah hubungan linier. yang digunakan adalah skala interval untuk variabel b ebas, dan skala. Elastisitasharga pasokan atau Price elasticity of supply (PES) bekerja dengan cara yang sama seperti PED. Persamaan untuk menghitung PES adalah sama (kecuali bahwa kuantitas yang digunakan adalah kuantitas yang ditawarkan, bukan kuantitas yang diminta). Untuk permintaan dan penawaran, kategorisasi berikut berlaku: PED atau PES > 1 =Elastis Untuktitik potong x, nilai dari akan menjadi nilai yang Anda hitung sebelumnya, dan nilai akan selalu 0, karena selalu sama dengan 0 pada titik potong x. [8] Sebagai contoh, untuk persamaan garis. 2 x + 3 y = 6 {\displaystyle 2x+3y=6} , titik potong x berada pada titik. ( 3, 0) {\displaystyle (3,0)} . Sehinggadari pasangan-pasangan nilai X,Y tersebut dapat dicari bentuk hubungan atau garis regresi antara variabel bebas Y atas variabel tak bebas X yang dtulis dengan Y/X. Dari Tabel 2.1 di atas dapat dibuat garis regresi liniernya seperti Gambar 2.1 berikut: 175 150 125 100 75 50 25 0 A 100 125 150 175 200 225 250 Pendapatan (X) Konsumsi (Y 53QuzI. Koefisien korelasi adalah nilai penentu seberapa kuat relasi antara dua variabel. Dalam ilmu statistika, diperlukan analisis untuk meneliti hubungan antara variabel. Nah, untuk mengerti bagaimana penelitian tersebut bekerja, Anda harus menghitung intensitas keterkaitannya terlebih dahulu. Keterkaitan antara dua variabel bisa membantu Anda dalam melakukan analisis koefisien korelasi. Lantas, bagaimana cara mencarinya? Dan, apa itu analisis koefisien korelasi? Yuk, simak informasi selengkapnya di bawah ini! Pengertian Koefisien Korelasi Untuk mengetahui keterkaitan variabel, dibutuhkan metode penghitungan yang mencakup nilai koefisien korelasi. Dalam ilmu statistika, prosedur berikut berfungsi untuk mengukur signifikansi, arah, serta intensitas hubungan antara dua variabel. Koefisien korelasi adalah data berupa nilai yang menunjukkan besar atau kecilnya hubungan linier serta logis antara variabel X dan Y. Lambang yang digunakan dalam koefisien korelasi adalah huruf r yang nilainya memiliki rentang -1 sampai + kode tersebut membuktikan kekuatan hubungan antar variabel atau disebut dengan relasi positif +. Berkaitan dengan data tersebut, jika r mendekati angka nol, maka dapat disimpulkan bahwa kondisi berikut merupakan relasi negatif -. Agar lebih memahami interpretasi hubungan antar variabel, berikut kriteria hasil yang dapat digunakan 0 Tidak ada korelasi antara dua variabel> 0 – 0,25 Korelasi sangat lemah> 0,25 – 0,5 Korelasi cukup> 0,5 – 0,75 Korelasi kuat> 0,75 – 0,99 Korelasi sangat kuat1 Korelasi hubungan sempurna positif-1 Korelasi hubungan sempurna negatif Sederhananya, jika nilai variabel X dan Y naik secara bersamaan, maka disebut korelasi positif +. Namun, saat fluktuasi X tidak diimbangi oleh Y, disebut korelasi negatif -. Sebagai tambahan informasi, hasil koefisien korelasi adalah indikasi awal dalam proses analisis data. Maksudnya, nilai yang ditemukan tidak bisa menunjukkan adanya hubungan sebab akibat antara dua variabel di suatu objek penelitian. Baca juga Teknik Analisis Data Pengertian, Langkah, Jenis dan Contohnya Rumus Koefisien Korelasi Pada dasarnya, koefisien korelasi adalah alat bantu untuk mengetahui keterkaitan dua variabel. Untuk menghitung hasilnya, terdapat beberapa metode dengan fokus yang berbeda-beda. Dalam pengaplikasiannya, formula yang paling sering digunakan untuk menghitung koefisien korelasi adalah product moment coefficient of correlation milik Francis Galton. Metode berikut lebih dikenal dengan rumus koefisien korelasi pearson. Rumus berikut diminati karena kemudahan metode penghitungan yang berbasis data asli. Selain itu, saat menggunakannya, Anda tidak perlu memodifikasi nilai tertentu dan hasil keterkaitan antar variabel akan berbentuk rasio atau skala interval. Penggunaan rumus koefisien korelasi pearson adalah sebagai berikut Huruf n mewakili jumlah titik pasangan X,YX mewakili nilai variabel XY mewakili nilai variabel Y Simbol X merupakan variabel bebas untuk memprediksi nilai Y. Sedangkan Y adalah variabel tidak bebas yang berarti jumlahnya hanya bisa ditentukan oleh X. Perlu diketahui bahwa dalam pengkajian hubungan keduanya, hubungan logis harus hadir sebagai komponen. Namun, jika terjadi kasus dimana data komponennya tidak berkaitan atau masuk dalam kelompok yang berbeda, penghitungannya sebagai berikut Cara Menghitung Koefisien Korelasi Setelah memahami rumus koefisien korelasi pearson di atas, ada baiknya Anda mengetahui penggunaannya dalam sebuah studi kasus. Oleh karena itu, di bagian ini, Populix akan memberikan informasi tentang cara menghitung koefisien korelasi. Berikut contoh pengaplikasiannya. Studi kasus berikut berkaitan dengan korelasi harga rata-rata dolar AS X dengan emas 24 karat Y di wilayah Kalimantan dari tahun 1990 hingga 2000. Dalam periode waktu tersebut harga per dolar AS pada rupiah berkisar antara Rp392, Rp430, Rp440, Rp440, Rp447, Rp430, Rp427, Rp435, Rp660, Rp760. Sedangkan, harga emas dalam kurs rupiah dengan jangka waktu tersebut adalah Rp490, Rp635, Rp779, Rp779, Rp997, Menggunakan rumus koefisien korelasi yang mendasarkan pada hubungan logis, kedua perbandingan tersebut memiliki relasi, yaitu X dan Y merupakan nilai dalam pasar uang. Selain itu, kenaikan dan penurunan jumlah variabel saling beriringan yang berarti korelasinya positif +. Analisis Koefisien Korelasi Analisis koefisien korelasi adalah instrumen pendukung guna memudahkan penghitungan rumus. Sehubungan dengan itu, metode yang umum digunakan adalah analisis regresi linier. Analisis regresi linier adalah metode yang mempelajari relasi dua variabel bebas dan tidak bebas dalam suatu kasus. Cara berikut bertujuan untuk memprediksi data dengan skala interval atau rasio. Mengacu pada penjelasan X dan Y diatas, dapat disimpulkan bahwa variabel bebas merupakan pemberi pengaruh dan variabel tidak bebas adalah yang diberi pengaruh. Untuk memudahkan pemahaman analisis regresi linier, Populix memberikan contoh kasus yang berkaitan dengan tingkat kebahagiaan pasangan pada status perkawinan. Dari kondisi berikut, untuk mengetahui aspek yang mewakili X serta Y, Anda harus menemukan hubungan linier atau logis dalam kasus tersebut. Dengan demikian, mengacu pada contoh diatas, dapat dimisalkan bahwa X adalah status perkawinan dan Y merupakan tingkat kebahagiaan pasangan. Sebagai tambahan informasi, metode berikut tidak selalu efektif karena beberapa variabel lain belum masuk dalam perhitungan dan hanya berfungsi untuk mempermudah penjelasan. Baca juga Metode Penelitian Adalah Pengertian, Jenis, dan Contohnya Demikian informasi seputar apa itu koefisien korelasi dan cara menghitungnya. Mencari tahu nilai hubungan antara dua variabel diperlukan untuk melakukan analisis secara akurat. Agar kegiatan penelitian dengan pendekatan statistika ini berjalan dengan lancar, gunakan layanan survei Poplite by Populix dan dapatkan hasil tanggapan responden yang berkualitas dan selangkah lebih pasti DenganData! Analisis Korelasi – Dalam kehidupan sehari-hari, hampir semua kejadian terjadi saling berhubungan, misalnya banjir terjadi karena curah hujan meningkat, keuntungan penjualan meningkat seiring terjadinya penambahan jumlah barang ditoko, dan kasus-kasus lainnya. Mengapa mengetahui hubungan antar variabel penting?Jika diketahui bahwa terjadi hubungan antara dua variabel, maka akan mudah untuk menentukan dan memprediksikan nilai variabel lain. Pengertian Analisis KorelasiContoh Kasus yang Memiliki KorelasiHubungan Antar VariabelKorelasi PositifContoh Korelasi PositifIlustrasi Korelasi PositifKorelasi negativeContoh Korelasi NegatifTidak ada Korelasi atau Korelasi sangat LemahKorelasi SempurnaCara Mengetahui Ada Tidaknya KorelasiDiagram Pencar Scatter plotTujuan Dibuatnya Diagram PencarManfaat Diagram Pencar Berbagai bentuk diagram pencarKoefisien KorelasiA. Koefisien Korelasi PearsonB. Koefisien Korelasi Rank Spearman OrdinalJika tidak ada data kembarJika ada data kembarC. Koefisien korelasi data berkelompokD. Koefisien Korelasi KualitatifPenafsiran Koefisien Korelasi Pengertian Analisis Korelasi Korelasi merupakan istilah yang biasa digunakan untuk menggambarkan ada tidaknya hubungan suatu hal dengan hal lain. Secara sederhana memang seperti itulah pengertian korelasi. Analisis korelasi adalah suatu cara atau metode untuk mengetahui ada atau tidaknya hubungan linear antar variabel. Apabila terdapat hubungan maka perubahan-perubahan yang terjadi pada salah satu variabel X akan mengakibatkan terjadinya perubahan pada variabel lainnya Y. Istilah tersebut dikatakan istilah sebab akibat, dan istilah tersebut menjadi ciri khas dari analisis korelasi. Baca juga Indeks Pembangunan Manusia IPM Rumus & Cara Hitung Contoh Kasus yang Memiliki Korelasi Hubungan antara kenaikan harga BBM X dengan harga kebutuhan pokok YHubungan tingkat pendidikan X dengan tingkat pendapatan YHubungan umur pernikahan pertama X dengan jumlah anak yang dilahirkan YHubungan tingkat pendidikan ibu X dengan tingkat kesehatan/tingkat gizi bayi Y, dsb. Hubungan Antar Variabel Sebelum masuk dalam pembahasan lebih jauh, ada empat jenis korelasi yang harus kalian ahami korelasi positifkorelasi negatifkorelasi lemahtidak berkorelasidan korelasi sempurna Suatu korelasi yang terjadi antara 2 variabel tidak selamanya linier, seperti adanya penambahan nilai variabel Y jika variabel X bertambah, korelasi seperti ini yang disebut sebagai korelasi positif. Terkadang ditemukan ada suatu hubungan yang apabila salah satu nilai variabel bertambah variabel lainnya justru berkurang, hubungan seperti ini disebut sebagai korelasi negatif. Tidak hanya korelasi positif dan negatif, namun juga terkadang ditemukan kasus dimana hubungan antar variabel sangat lemah bahkan tidak ditemukan korelasi. Korelasi Positif Korelasi positif atinya suatu hubungan antara variabel X dan Y yang ditunjukan dengan hubungan sebab akibat dimana apabila terjadi penambahan nilai pada variabel X maka akan diikuti terjadinya penambahan nilai variabel Y. Contoh Korelasi Positif Dalam pernaian, jika dilakukan penambahan pupuk X, maka produksi padi akan meningkat YTentu saja semakain tinggi badan X seorang anak maka, berat badannya akab bertambah pulaYSemakin luas lahan yang ditanami coklat X maka produksi coklat akan meningkat Ilustrasi Korelasi Positif Korelasi Positif Korelasi negative Jika pada korelasi positif peningkatan nilai X akan diikuti penambahan nilai Y, korelasi negatif berlaku sebaliknya. Jika nilai variabel X meningkat nilai variabel Y justru mengalami penurunan. Contoh Korelasi Negatif Apabila harga barang X meningkat maka kemungkinan permintaan terhadap barang tersebut mengalami penurunan. korelasi negatif Tidak ada Korelasi atau Korelasi sangat Lemah Korelasi ini terjadi apabila kedua variabel X dan Y tidak menunjukkan adanya hubungan linear. Contoh soal Panjang rambut X dengan tinggi badan tidak bisa dihitung hubungannya atau tidak ada hubungannya Korelasi Sempurna Korelasi sempurna biasanya terjadi apabila kenaikan / penurunan variabel X selalu sebanding dengan kenaikan /penurunan variabel Y. Jika digambarkan dengan diagram titik atau diagram pencar, titik-titik berderet membentuk satu garis lurus, dengan hampir tidak ada pencaran. Besar hubungan antara variable bebas dan variable tidak bebas tersebut biasanya diukur dengan koefisien korelasiSimbolnyaρ = koefisien korelasi populasi dan r = koefisien korelasi sampelNilai koefisien korelasi berada dalam selang -1 +1, dimana jikaKoefisien korelasi bernilai 0 nol, berarti tidak ada hubungan antara kedua variabel korelasi bernilai negatif, berarti hubungan antara kedua variabel tersebut negatif atau saling berbanding terbalikKoefisien korelasi bernilai positif, berarti hubungan antara kedua variabel tersebut positif atau saling berbanding lurus Catatan Jika variabel 1 dan 2 saling bebas maka r = 0, tetapi jika r = 0 belum tentu saling bebas, karena mungkin variabel tersebut tidak saling bebas tetapi tidak berhubunganKorelasi tidak bisa digunakan untuk melihat hubungan kausalitas Cara Mengetahui Ada Tidaknya Korelasi Teknik untuk mengetahui ada atau tidaknya korelasi antara 2 variabel dapat dilakukan melalui beberapa cara,yaitu membuat diagram pencar dan menghitung koefisien korelasi. Diagram Pencar Scatter plot scatter graph and limited growth model Untuk menunjukkan ada tidaknya hubungan korelasi antara 2 variabel X dan Y kita dapat menggunakan diagram pencar. Diagram pencar adalah sebaran nilai-nilai dari variabel – variabel pada sumbu x dan y. Tujuan Dibuatnya Diagram Pencar Untuk mengetahui apakah titik-titik koordinat pada sumbu x dan y, adan apa pola yang terbentuk dari sebaran tersebut. Dari diagram pencar tersebut dapat dibuat sebuah garis yang kira-kira membagi dua titik-titik koordinat pada kedua sisi garis. Dari garis tersebut dapat diketahui korelasi antara kedua variabel. Jika garis mengarah keatas berarti korelasi positif, jika arah garis menurun berarti korelasi negatif. Jika tidak dapat dibuat sebuah garis maka tidak ada korelasi,dan jika titik-titik tepat melalui garisnyaberarti korelasi sempurna Manfaat Diagram Pencar membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua variabelmembantu menetapkan tipe persamaan yang menunjukkan hubungan antara dua variabel tersebut Berbagai bentuk diagram pencar Bentuk-bentuk pola scatter plot Koefisien Korelasi Untuk mengetahui ada / tidaknya hubungan antara kedua variabel X dan Y dan seberapa erat hubungan antara kedua variabel tersebut dapat diketahui dengan menghitung koefisien korelasi dari kedua variabel. Jika koefisien korelasi bertanda positif + maka dapat disimpulkan hubungan kedua variabel positif danbegitu juga halnya bila koefisien korelasi bertanda negative - A. Koefisien Korelasi Pearson Apabila antara dua variabel X dan Y yang masing-masing mempunyai skala pengukuran sekurang-kurangnya interval ratio dan hubungannya merupakan hubungan linear, maka keeratan hubungan antara kedua variabel itu dapat dihitung dengan menggunakan formula korelasi Pearson yang diberi symbol dengan ryx dan rxy untuk sample pyx dan pxy untuk populasi. Koefisien korelasi Pearson antara dua variabel yang datanya tidak berkelompok formula korelasi Pearson B. Koefisien Korelasi Rank Spearman Ordinal Untuk mengukur keeratan hubungan antara dua variabel X dan Y yang kedua-duanya mempunyai skala pengukuran sekurang-kurangnya ordinal dapat dihitung dengan menggunakan formula korelasi Spearman. Koefisien Korelasi Spearman antara X dan Y atau Y dan X Jika tidak ada data kembar Apabila tidak terdapat data kembar dalam kelompok data maka anda dapat menggunakan rumus berikut \r=1-\frac {6 \sum_{i=1}^{n}d_i^2}{n^3-n}\ di = selisih ranking antara ranking variabel X dan Yn = banyaknya data Jika ada data kembar Jika dalam kelompok data terdapat data kembar maka formula di atas tidak dapat digunakan dan anda harus menggunakan formula di bawah ini; Koefisien korelasi Spearman dengan data kembar Catatan Urutkan nilai observasi dan diberi rangking dari besar ke kecil C. Koefisien korelasi data berkelompok Untuk data bekelompok rumusnya adalah sebagai berikut D. Koefisien Korelasi Kualitatif Untuk data kualitatif, koefisien korelasi dapat dihitung dengan menggunakan Contingent Coefficient, rumusnya adalah sebagai berikut \Cc=\sqrt {\frac{\chi^2}{\chi^2+n}};\chi^2= Chi-square\ Penafsiran Koefisien Korelasi Untuk menentukan keeratan hubungan, bisa digunakan kriteria Guilford 1956 sesuai tabel berikut ini Kriteria guilford 1956. Demikian artikel mengenai analisis korelasi, jika ada pertanyaan silahkan ajukan melalui kolom komentar. SMP 44 Views Persamaan yang tepat untuk hubungan x dan y adalah …. a. y=2,22x b. y=x/0,22 c. y=x/2,22 d. y=0,22/x Jawaban yang benar adalah C. y = x/2,22. Pembahasan * Cek jawaban A, misal x = 10 y = 2,22x y = 2,22 × 10 Y = 22,2 Jawaban A tidak tepat dikarenakan jika x = 10 maka y seharusnya bernilai 4,5. * Cek jawaban B, misal x = 20 y = x/0,22 y = 20/0,22 y = 90,91 Jawaban B tidak tepat dikarenakan jika x = 20 maka y seharusnya bernilai 9. * Cek jawaban C, misalkan x = 10 y = x/2,22 y = 10/2,22 y = 4,5 Jawaban C benar karena sesuai tabel jika x = 10 maka y = 4,5. *Cek jawaban D, misal x = 50 y = 0,22/x y = 0,22/50 y = 0,0044 Jawaban D salah karena jika x = 50 seharusnya nilai y adalah 22,5. Jadi pilihan jawaban yang tepat adalah C.