ページ3:

Pengunjung
Date:
Page:
Kedua variabel tersebut, dinamakan variabel bebas yg disim-
bulan dy X dan variabel terikat yy disimbolkan dy Y. Nama lain
variabel X dan Y di antaranya sebagai berikut.
Variabel
Nama variabel
Variabel
Variabel
Variabel
*
Variabel prediletor
independen
stimulus
input
Y
Variabel
Variabel
Variabel
Variabel kriteria
dependen
respon
output
Contoh:
Suhu
-> X
Pengunjung
1. Menggambar Diagram Pencar
The
V
Diagram pencar dpt digambar dg cara manual maupun dg ban-
tuan MS Excel. Ser manual, diagram pencar dpt digambar dy lang
kah-langkah brkt:
a-) Menenentukan variabel bebas (x) dan variabel terikat (Y).
b.) Membuat sumbu mendatar (sby sb X) dan sumbu tegak (sby sby).
C) Membagi kedua sumbu dy skala yy sama setiap sumbu.
d) Mem bagi skala angka yg memisat slrh nilai data pel variabel X dan
Y.
e) Menggambarkan psgn titik-titik (X,Y) pd bidang koordinat kartesius.
Uti dilakukan di excel, langleah-langkah seperti berikut:
a.) Klike "Data" di menu atas.
b) Klik "Data Analysis".
C) Klik "Regression".
c.) Klile "OK".
e) Input nilai Y.
F.) Input nilai X.
9.) Centanglean smw output sprt "Residuals", "Standardized Residuals",
"Residual Plots", "Line Fit Plot", dan "Normal Probability Plots".
The future starts today.

ページ4:

h.) Tuliskan "Butput" pd "New Worksheet Ply".
i.) Klik "OK"
j Blok smw data X dan Y.
K.) Klike "Insert"
1.) Klike "Scatter" dy lambang Ŀ.
m? Klik titik pd diagram pencar.
n. Klik "Format Trendline"
0.) Klik "Linear".
Date
Page i
p.) Klik "Display Equation on Chart" dan "Display R-squared value on
chart"
2. Menentukan Variabel Ferikat, Variabel Bebus, dan Hbgn Keduanya
a. Variabel Terikat
Varibel terikat adl variabel yg dipengaruhi / mjd alebt krn adaya varia-
bel bebas. Variabel terikat the dimanipulasi, melainkan diamati varasinya
sby dugaan yg brsl dr variabel bebas.
b. Variabel Bebas
Variabel bebas adl variabel yg dimanipulasi uble mengamati dampaknya
pd variabel terikat.
Psgn Variabel
Variabel Bebas
Variabel Terikat Hlogn Keduanya
Waktu yg diperlukan utle Vecepatan kendara- Waletu yg diperlu- Min tinggi ke-
berkendara sejauh 30 km an.
dan kecepatan kendaraan
kan utk berkenda-cepatan kendaraan
ra sejauh 30 km. mkn sdlket waktu
Yg diperlukan.
Luas panel surya dn smbr Luas panel surya. Smbr energi yg duslika Mien lues panel
energi Y
dhslken.
Surya, men byl
Smbr energi yg
dihasilkan.
3. Tren, Korelasi, dan Interpretasi Data Bivariat
a) Tren Data
Tren data adl pola / arah yg ditunjukkan oth dorta sepanjang perinde und-
tu tertentu. Then data ept digunakan utk mengidentifikasi pola / kecender-
ngan yg malen tid dlm data statistik. Bdsken pola penyebaran date, tren
Follow your dreams

ページ5:

Date
Page
data tari 3 bth:
(1) Linear, jk pola penyebaran data berbentuk / mendekati grs Iwus.
(2) Kurva /nonlinear, jk pola penyebaran bloth kurva.
(3.) Tidal beraturan, jk pola penyebaran the beraturan.
b.) Korelasi
Korelasi adl ukran sjwh mana dua variabel berikatan. Bfgsi vile melaku-
kan standarisasi pd hsl kovarians (hibgn dual variabel
arah tren data, jenis korelasi tari 3 lotle:
Y ddpt). Basrkn
(1) Korelasi positif, hbgan kedva variabel byrke dlm arch yg sm.
(2) Korelasi negatif, peningkatan satu variabel dikaitkan dy penurunan
variabel lainnya,
(3.) Kovelasi nol, the aday libgu antara kedua variabel.
C.) Interpretasi
Interpretasi adl penjelasan yg memuat malina / sudut pandaag Moritis
dr swt objeke. Bertujuan menafsirkan data
4. Analisis Korelasi
Y
seh dianalisis.
Analisis korelasi ad metode statistike yg digunakan utk mengeta-
hui apkeh pendapat blogu antara dua variabel dan storp kuat blogn tsbt. Sela-
in menggunakan diagram pencar, korelasi data bivariat jg dpt ditentukan
dg cara menghitung nilai korelasinga (koefisien korelasi). Adpun metode memen-
tukan koefisien korelasi data bivariat antava lain:
a) Korelasi Pearson
Korelasi Pearson adl sih sadu ukuran korelasi yg digunakan utk mengu-
Kur kekuatan dan arah bbgn linear dr dua variabel. Dua variabel
dikatalean berkorelasi jk perubahan sih satu variabel disertai peru-
bahan variabel lainnya, baik arah yy sama / kebalikannya. Koefisien
korelasi pearson antara variabel X dan Y dpt dihitung dg rumus:
n. (Exy)-(Ex) (Ey)
r=
(Jn. (Ex²) - (Ex)² ) x (5n. (Ex²)-(Ey)²)
x = nilai variabel bebas
Y = nilai variabel terikat
n= byk psyan variabel
The future starts today.

ページ6:

Date
Page 1
b.) Korelasi Spearman
Kovelasi spearman aoll swt cara utk mengetahui apkh ad hbgn
antara dua variabel yg memiliki nilai yg dpt diurutkan. Korelasi
spearman play umum digunakan kete kt ingin mengetahui apkh ad
hbgn antara dua variabel ordinal. Variabel ordinal all variabel yg me.
miliki bbrp kategori yg dpt diurutkan bdsrku tingkat/derajat.
r = 1-
66242)
n(n2-1)
Notes: Jle ad nilai variabel
n = byleny psgn variabel.
d= selisih antar peringkat nilai variabel X
dan Y d=U-V
dmn U peringkat nilai variabel X dan
V= peringkat nilai variabel Y.
yg sm, mk peringkat
ditentukan dy hitung
rata-rata peringkat dr nilai variabel
Yg
sama tslt.
Follow your dreams.

ページ7:

"
REGRESI LINIER
Metade statistika Yang digunakan untuk menganalisis hubungan antara satus Variabel
Dependen dengan satu atau lebih Variabel Independen.
• GARIS REGRESI / BEST - FIT
garis yang paling tepat diantara beberapa gars untuk menghubungkah 2 variabel.
Bentuk umum:=mx+c
ŷ
X-X2
9-92
X1-X2
91-92
= n Vartabel Dependen yg akan diprediksi.
Xn Variabel Independen.
mkoefisien regresi (gradien gans regrest.)
C = konstanta (nilar ŷ jika x = 0)
METODE KUADRAT TERKECIL
y=mx+c
gradien•(m)
Lo Andisis Regresi matematis yg digunakan untuk menentukan garis yg paling sesuai.
dan memberikan demonstrast visual tentang hubungan antar (Hk data.
•Residu (Jarak vertikal antara fikk - HHK data dan garis regress.)
Residu (E) y-ŷ
Langkah-langkah metode kuadrat terkecil:
menentukan Persamaan pekiraan garis regresi (ŷ)
• umum
= mx +c
•Jika melalui 2 titik (x,y,) dan (X2.Y2)
x
Restu (+)
Regresi
°
y
Residu (-)
X-X2
X-X2
=
9-92
91-92
Menentukan jumlah kucdeat residu/selisih
(y-ŷ² SS = ε²+++.... + En ≤ (y-mx-c)²
③ Menentukan nilai Ecy-9)' terkecil. karna itu garis best-fitnya.
Contoh Tentukan garis best-fit
Siswa
1
2
3
4
5
6
7 8
g
10
Berat Badan
40 45
36
Ag
50
34 42
54
64
68
Tinggi Badan
154
150
142
160
159
150
145
160
159 165
dg persamaan regresi.
Siswa
=12x-143
Siswa 21.2x-144
"

ページ8:

150
SKEPEOPL
VARIABEL
y
154 40
142 86
160 49
159
150
142 42
160 54
159
165
222 223 22 28
4118
Siswa I
9. 9-9. (4-91
-1,83.24
SISWA I
99-919-95
408-080164
45
37
8
64
36
g 81
27.4 816 7386
2614 9.6
92.16
49
0
48
50
47.8 2.2
4.24
4618 312
10,24
84
37
-3
g
36
-2
4
31
"
121
30
12
144
49
5
25
48
6
36
64
47.8 16.2 262,44
46.8 17.2 29584
68
55
13
169
54 14
196
(4-9)
732,48
(4-2)² 860.82
Persamaan Pertama mempunyal
Jumlah residu terkecil.
O INTERPOLASI DAN EKSTRAPOLASI
to mempredits! data yg belum diketahui.
•Inter Polasi
Penggunaan gars regresi untuk memprediksi
data nar yg berada di dalam renandata.
• Eksrapolasi
Penggunaan gark regresi untuk memprediks!
nilar yg berada di dalam rentang duta.
Contoh:
{(2.1), (5), (416)}
aftunglah koefisien person anlara x dan y
25 y
82
y²
12
'
2
4
'
3
5
g
25
6
24 16
36
Batas
aras
garis
regresi
Baras Bawah
Rentang data
EKSTRA
'
INTRA
EKSTRA
b.) Oleh barna ninal korelasi kofesten mendekati
1. mata dapat dikatakan, korelatts!
positif yg kuat antara xdany.
Ex=9y=12xy=4/29² 129 ≤4 262
n=3 (Jumiah data)
x =
*.3
r =
Exy-nky
= 3
=
=
=
-
41-(3)(3)(4)
(29-(37(3)² √62-(3) (4)
41-36
√29-27 √62-98
5
=61945
√2√14
koefisien korelasi x dany

ページ9:

"Scatter Plot digunakan untuk menunjukan hubungan antara 2 variabel Yang
drgambarkan dalam bentuk dot pada bidang koordinat kartesius.
•Variabel Independen (smb-x)
mempengaruhi Variabel dependen.
•Variabel Dependen (smb-y)
Yang di Pengaruhl dieh Variabel Independen.
"
KORELASI
Posttef
Y
+x
Vara bel Independen meningkat
Variabel dependen Ikut meningkat.
10 KEKUATAN KORELASI
•kuar
X
Negatif
Independen
Variabel Independen meningkat
Variabel dependen menurun.
Lemah
dot makm rapat mata
Ŕ
hubunganya semakin kuat.
NON LINIER
Semakin menyebar hubunganya
semakin lemah.
"HE - HE Pada diagram membentuk garis lengtung / kurva."
. - Outlier
Outliner
Pencilan data yg menyempang terlalu jauh
dari ddia lain dalam sekumpulan data.