MAKALAH STATISTIKA

ANALISA KORELASI PARSIAL

DisusunOleh :
KELOMPOK 3

FERI CHANDRA NIM : 201111004

IRMAN NIM : 201111016
WAHYU AKBAR A. NIM : 201111018
HENDRA YOGI A.R. NIM : 201111001
HUSNUL HIDAYAT NIM : 201111031

PROGRAM STUDI
BUDIDAYA PERKEBUNAN KELAPA SAWIT
POLITEKNIK KELAPA SAWIT CITRA WIDYA EDUKASI
2012

Analisa korelasi parsial Page 1

 ANALISA KORELASI PARSIAL

1. PengertianKorelasiParsial
Korelasiparsialadalahpengukuranhubunganantaraduavariabel,
denganmengontrolataumenyesuaikanefekdarisatuataulebihvariabel lain. Singkatnya
r1234adalahkorelasiantara 1 dan 2, denganmengendalikanvariabel 3 dan 4
denganasumsivariabel 1 dan 2 berhubungan linier terhadapvariabel 3 dan 4.
Korelasiparsialdapatdigunakanpadabanyakkasus,
misalnyaapakahnilaipenjualansuatukomodititerkaitkuatkepadapembelanjaaniklanketikaefe
khargadikendalikan. Jikakorelasiparsialnyanol, makadapatdisimpulkanbahwakorelasi yang
dihitungsebelumnyaadalahsemu.
Disiniakandipelajaribagaimanamengukurkeeratanhubunganantara Y dengan
X2sedangkan X1 dikontrol, ataukorelasiparsial. Pengaruh variable yang dikontrol, disini X1,
dikeluarkan. Yaitu, hitung X2’ = X2 – (b2X1 + a2) dan Y’ = Y – (b1X1 + a1), tetapiharga-
harga a dan b disinidicarimelaluiregresi linear. Setelahhasilnyadiperolehdiperlukanregresi
X2’ denganY’ :
Y’ = b3X2’ + a3

1.1 MenghitungLangsungKorelasiParsial
Mengontrolsuatu variable
sangatbergunakarenaitusebaiknyakitadapatmengerjakannyadengancepat. Rumus
sederhana untuk menghitung korelasi parsial :
rX Y rX X )(rYX )
2 ( 2 1 1
Korelasi parsial = rX2Y.X1 = 2 2
1 r X 2X1 1 r YX 1

2. Fungsi
Korelasiparsialdigunakanuntukmencariarahdankuatlemahnyahubunganantara 2
ataulebih variable independen (X1,X2...Xn) terhadap variable dependen (Y)
secarabersamaan , denganmengendalikansalahsatuvariabelindependenya.

3. KoefisienDeterminasi
Koefisienkorelasi, r, hanyamenyediakanukurankekuatandanarahhubungan linier
antaraduavariabel. Akan
tetapitidakmemberikaninformasimengenaiberapaproporsikeragaman (variasi)

Analisa korelasi parsial Page 2

 variabeldependen (Y) yang dapatditerangkanataudiakibatkanolehhubungan linier
dengannilaivariabelindependen (X). KoefisienDeterminasibisadidefinisikansebagainilai
yang menyatakanproporsikeragaman Y yang dapatditerangkan/dijelaskanolehhubungan
linier antaravariabel X dan Y. Untuk menentukan besar kecilnya sumbangan variabel X
terhadap Y dapat ditentukan dengan rumus koefisien determinan sebagai berikut :
KP = r2 x 100%
Dimana :
KP adalah besarnya koefisien penentu (diterminan)
r adalah koefisien korelasi

Cari Koefisien parsial, jika X1 tetap.

4. Analisis Korelasi Parsial

a. Jika X1 tetap maka :

Hepotesa :
Ha : Ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.
H0 : Tidak ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.

b. Jika X2 tetap maka :

Hepotesa :

Analisa korelasi parsial Page 3

 Ha : Ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
H0 : Tidak ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
Untuk uji signifikansinya menggunakan rumus :

Keterangan:
thitung = nilai yang akan dibandingkan dengan ttabel
rpar = nilai koefisien parsial
n = jumlah sample
Kriteria pengujian :
thitung ≥ ttabel ; maka tolak H0 (signifikan)
thitung < ttabel ; maka terima H0 (tidak signifikan)
db ttabel = n-1

5. Contoh Kasus Korelasi Parsial

Padasalahsatu areal pembibitan di PT Tunas Agro
telahdiketahuibahwapertumbuhanbibitkelapasawit di MN (main nursery)
kurangmaksimal. Untukmengetahuikurangmaksimalnyapertumbuhan
bibitkelapasawittersebut,makaperusahaanmelakukanrisetuntukmengetahuikuatlemahn
yapengaruhhubunganantaradosispemupukan (X1) dengancurahhujan (X2)
terhadappertumbuhanbibitkelapasawit (Y).

20 88 1,57
20 75 1,61
20 20 1,74
40 88 1,81
40 53 1,89

Analisa korelasi parsial Page 4

 Padariset yang dilakukan kali 40 75 1,96
iniakanmenitikberatkanpengaruhcurah ∑X= 225 ∑Y=829 ∑Y=18,57
hujanterhadappertumbuhanbibitkelapasaw
itdengandosispemupukan yang dikendalikan (konstan).
Untukituperusahaanmengambil 12
sampelbibitkelapasawitpadabeberapalokasipembibitan di Main Nursery
secaraacakdandiperoleh data sebagaiberikut:
Tabel 1. Tabel Data

X1 X2 Y
5 26 1,20
Keterangan :
5 97 1,24
X1 = Dosis Pupuk (gr)
5 47 1,30
X2 = Curah Hujan (mm)
10 88 1,33
Y = Pertumbuhan (m)
10 97 1,42
Apakah terdapatpengaruh
10 75 1,50 yang
signifikanantaraantaradosispemupukan (X1) dengancurahhujan (X2)
terhadappertumbuhanbibitkelapasawit (Y).?

Jawab :

a. Hipotesa :
Ha : Ada pengaruh yang signifikan antara curah hujan (X2) dan pertumbuhan
bibit kelapa sawit (Y) jika dosis pemupukan (X1) tetap.
H0 : Tidak ada pengaruh yang signifikan antara curah hujan (X2) dan
pertumbuhan bibit kelapa sawit (Y) jika dosis pemupukan (X1) tetap.

b. Pembuatan tabel pembantu :

Tabel 2. Tabel Pembantu

Analisa korelasi parsial Page 5

 n. x1 y ( x1 )( y)
c. rx1 y =
2
n. x1 ( x1 ) 2 . n. y2 ( y)

2
12.386 ( 225).(18,57)
=
( (1
12.6375 225) 2 . 12.29,48 8,57) 2

= 0,94
n. x2 y ( x 2 )( y)
d. rx2 y =
2 2
n. x2 ( x 2 ) 2 . n. y2 ( y)

12.1280,02 (829).(18,57)
=
( (1
12.65019 829) 2 . 12.29,48 8,57) 2

= -0,03
2
( 1 )
n. x x2 x ( x )
e. rx1x2 = 1 2
2 2
n. x1 ( x1 ) . n. x 22 ( x2 )

X1 X2 Y X12 X22 Y2 X1 Y X2Y X1X2

5 26 1,2 25 676 1,44 6 31,2 130
5 97 1,24 25 9409 1,5376 6,2 120,28 485
5 47 1,3 25 2209 1,69 6,5 61,1 235
10 88 1,33 100 7744 1,7689 13,3 117,04 880
10 97 1,42 100 9409 2,0164 14,2 137,74 970
10 75 1,5 100 5625 2,25 15 112,5 750
20 88 1,57 400 7744 2,4649 31,4 138,16 1760
20 75 1,61 400 5625 2,5921 32,2 120,75 1500
20 20 1,74 400 400 3,0276 34,8 34,8 400
40 88 1,81 1600 7744 3,2761 72,4 159,28 3520
40 53 1,89 1600 2809 3,5721 75,6 100,17 2120
40 75 1,96 1600 5625 3,8416 78,4 147 3000
∑=225 ∑=829 ∑=18,57 ∑=6375 ∑=65019 ∑=29,48 ∑=386 ∑=1280,02 ∑=15750

12.15750 (225).(829)
=
Analisa korelasi parsial ( (8 Page 6
 12.6375 225) 2 . 12.65019 29) 2

= 0,05

Analisa korelasi parsial Page 7

 f.

( Hasil mencari rparsial)

g. KP = r2 . 100%
= (-0,082)2 . 100% = 0,67 %

h.

i. Carinilaittabelmenggunakantabelt :
Tarafsignifikansinya 0,05 , db=n – 1<=>12 – 1 = 11

Nilai ttabel dengan signifikansi 5 % untuk uji 2 pihak nilainya adalah 1,796.
Kesimpulan dan Saran

Kesimpulan:
Karena ttabel lebih besar dari padathitung(1,796>-0,25), maka Ha diterima (signifikan),
dengan nilai koefisien determinannya sebesar 0,67 %.

Saran:
Dari hasil riset yang telah dilakukan maka kami menyarankan agar tidak dilakukan
pemupukan dengan dosis yang tinggi pada saat curah hujan yang tinggi walaupun
pengaruh yamg telah diketahui hanya sedikit 0,67 % terhadap pertumbuhan bibit kelapa sawit
di Main Nursery. Menurut pendapat kelompok kami, pengaruh yang didapat sedikit ini
dikarenakan data curah hujan yang terakumulasi antara curah hujan yang tinggi dengan yang
rendah, selain itu curah hujan yang tinggi dapat menggakibatkan pencucian unsur hara
(leaching).

Analisa korelasi parsial Page 8

Analisa korelasi parsial Page 8
 Daftar Pustaka

http://ariyoso.wordpress.com/2009/11/12/korelasi-parsial/ Akses 7 Juni 2012

http://samianstats.wordpress.com/tag/korelasi-parsial/. Akses 7 Juni 2012
http://statutorial.blogspot.com/ Akses 7 Juni 2012
http://wahyupsy.blog.ugm.ac.id/tag/korelasi-parsial/. Akses 7 Juni 2012
http://widhiarso.staff.ugm.ac.id/wp/index.php/tag/korelasi-parsial/ Akses 7 Juni
2012

Analisa korelasi parsial Page 9