ページ3:

Date:
Page:
Kedua variabel tersebut, dinamakant variabel bebas yy disim-
bolkan dy X dan variabel terikat yy disimbolkan dy Y. Nama lain
variabel X dan Y di antaranya sebagai berikat se
Variabel
Nama Variabel.
Variabel
Variabel
Variabel
Variabel prediletor
*
independen
stimulus
input
Y
Variabel
Variabel
Variabel
Variabel kriteria
dependen
respon
output
Contoh:
suhu pengunjung
1. Menggambar Diagram Pencar
Diagram pencar dpt digambar dg cara manual maupun dg ban-
tuan MS Excel. Ser manual, diagram pencar dpt digambar dy lang
leah-langkah brkt
a-) Menenentukan variabel bebas (x) dan variabel terikat (Y).
b.) Membuat sumbu mendatar (sbg sb X) dan sumbu tegak (slag sby).
C.) Membagi kedua sumbu dy skala ya sama setiap sumbu.
d.) Mem bagi skala anglea yg memisat strh nilai data pol variabel X dan
Y.
e) Menggambarkan psgn titik-titik (X,Y) pd bidang koordinat kartesius.
Utli dilakukan di excel, langleah-langkah seperti berikut:
a.) Klik "Data" di menu atas.
b.) Klik "Data Analysis".
C.) Klik "Regression".
d.) Klile "OK"!
e.) Input nilai Y.
f.) Input nilai X.
9.) Centangkan smw out put sprt "Residuals", "Standardized Residuals",
"Residual Plots", "Line Fit Plot", dan "Normal Probability Plots".
The future starts today.

ページ4:

Date:
Page:
h.) Tuliskan "Butput" pod "New Worksheet Ply".
i) Klik "OK"
j. Blok smw data X dan Y.
K.) Klike "Insert".
1.) Klike "Scatter" by lambang L
m) Klik titik pol diagram pencar.
n.) Klike "Format Trendline?
o. Klik "Linear"..
p.) Klik "Display Equation on Chart" dan "Display R-squared value on
chart"
2. Menentukan Variabel Ferikat, Variabel Bebers, dan Hbgn Keduanya
a. Variabel Terikat
Varibel terikat adl variabel yg dipengaruhi / mjd abbt krn adnya varia-
bel bebas. Variabel terikat the dimanipulasi, melainkan diamati varasinya
sby dugaan yg brst dr variabel bebas.
b. Variabel Bebas
Variabel bebas adl variabel yg dimanipulasi uble mengamati dampaknya
pd variabel terikat.
Psgn Variabel
Variabel Bebas
Variabel Terikat Hbgn Keduanya
Waktu yg diperlukan utk recepatan kendara Waletu yg diperlu Mun tinggi ke-
berkendara sejauh 30 km an.
kan utk berkenda-cepatan kendaraan
dan kecepatan kendaraan
ra sejauh 30km. mkn salt war
Yg diperlukan.
Luas panel surya dn smbr Luas panel surya. 5mbr energi yg duslike Min lues panel
energi yg dhsllen.
3. Tren, Korelosi, dan Interpretasi Data Bivariat
a) Tren Data
surya, men byle
Smbr energi yg
dihasilkan.
Tren data adl pola / arah yg ditunjukkan oth data sepanjang periode wak-
to tertentu. Tren data ept digunakan utk mengidentifikesesi pola / Recendero-
ngan yg mglen tid dlm data statistike. Basken pola penyebaran date, tren
Follow your dreams.

ページ5:

Date:
Page:
data teri 3 6th:
((1) Linear, jk pola penyebaran data berbentuk/mendekati grs Iwus.
(2) Kurva /nonimar, jk pola penyebaran bloth kurva.
(3.) Tidak beraturan, jk pola penyebaran Hhe beraturan.
6.) Korelasi
dapt). Basrkn
Korelasi adl ukran sjwh mana dua variabel berikatan. Bfgsi utk melaku-
kan standarisasi pd hsl kovarian's (hibgn dud varicibel
arah tren data, jenis korelasi tari 3 lotk:
Yy
(1) Korelasi positif, hbgan kedve variabel byrke dlm arch
YS
SM.
(2.) Korelasi negatif, peningkatan satu variabel dikaitkan dy penurunan
variabel lainnya,
(3.) Korelasi nol, the aday libgu antara kedva variabel.
C.) Interpretasi
Interpretasi adl penjelasan yg memuat malena / sudut pandang teoritis
dr swt objek. Bertujuan menafsirkan data
4. Analisis Korelasi
Y
seh dianalisis.
Analisis korelasi adl metode statistik yg digunakan utk mengeta-
hui apkeh pendapat hbgn antara dua variabel dan strp. kvart blogn tsbt. Sela-
in menggunakan diagram pencar, korelasi data bivariat jg dpt ditentukan
de cara menghitung nilai korelasing a (koefisien korelasi). Adpun metode menen-
tukan koefisien korelasi data bivariat antava lain:
a) Korelasi Pearson
Korelasi Pearson adl s/h satu 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 yg sama / kebalikannya. Koefisien
korelasi pearson antara variabel X dan. Y dpt dihitung dg rumus:
n. (Exy)-(Ex) (EY)
(Jn. (Ex²)-(EX)² ) x (√n. (Ex²)-(2432
x = nilai variabel bebas
Y = nilai variabel terikat
- byk psgan variabel
The future starts today.

ページ6:

Date:
Page:
b) Korelasi Spearman
Korelasi spearman adl swt cara uth mengetahui aplih ad hbgn
antara dua variabel yo memiliki nilai yg dpt diurutkan. Korelasi
spearman plg umum digunakan lette ket ingin mengetahui apkh ad
hbgn antara dua variabel ordinal. Variabel ordinal adl variabel yg me.
miliki bbrp kategori yg dpt diurutkan bdsrlen tingkat/derajat.
66202)
n(n-1)
n = byleny psgn variabel.
d = selisih antar peringkat nilai variabel X
Notes: Jke ad nilai variabel
yg sm, mk peringkat
ditentukan dg hitung
dan Yd=U-V 2
dmn U= peringkat nilai variabel X dan
V= peringkat nilai variabel Y.
rata-rata peringkat dr milai 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.