# GENERATE DATA AHH 

set.seed(123)  
# Daftar provinsi 
provinsi <- c(
  "Aceh","Sumatera Utara","Sumatera Barat","Riau","Jambi",
  "Sumatera Selatan","Bengkulu","Lampung","Kep. Bangka Belitung","Kep. Riau",
  "DKI Jakarta","Jawa Barat","Jawa Tengah","DI Yogyakarta","Jawa Timur",
  "Banten","Bali","Nusa Tenggara Barat","Nusa Tenggara Timur",
  "Kalimantan Barat","Kalimantan Tengah","Kalimantan Selatan",
  "Kalimantan Timur","Kalimantan Utara",
  "Sulawesi Utara","Sulawesi Tengah","Sulawesi Selatan",
  "Sulawesi Tenggara","Gorontalo","Sulawesi Barat",
  "Maluku","Maluku Utara",
  "Papua","Papua Barat","Papua Selatan","Papua Tengah",
  "Papua Pegunungan","Papua Barat Daya"
)

# Generate AHH Laki-laki (antara 67–73)
ahh_laki <- round(rnorm(38, mean = 70, sd = 2), 2)

# Generate AHH Perempuan (lebih tinggi 3–5 tahun)
ahh_perempuan <- round(ahh_laki + runif(38, 3, 5), 2)

# Buat data frame
data_ahh <- data.frame(
  Provinsi = provinsi,
  Laki_Laki = ahh_laki,
  Perempuan = ahh_perempuan
)

# Tampilkan data
print(data_ahh)

##                Provinsi Laki_Laki Perempuan
## 1                  Aceh     68.88     72.64
## 2        Sumatera Utara     69.54     73.77
## 3        Sumatera Barat     73.12     76.82
## 4                  Riau     70.14     73.36
## 5                 Jambi     70.26     73.75
## 6      Sumatera Selatan     73.43     77.77
## 7              Bengkulu     70.92     74.76
## 8               Lampung     67.47     72.05
## 9  Kep. Bangka Belitung     68.63     71.84
## 10            Kep. Riau     69.11     72.98
## 11          DKI Jakarta     72.45     77.42
## 12           Jawa Barat     70.72     75.51
## 13          Jawa Tengah     70.80     75.57
## 14        DI Yogyakarta     70.22     73.57
## 15           Jawa Timur     68.89     72.15
## 16               Banten     73.57     77.88
## 17                 Bali     71.00     74.69
## 18  Nusa Tenggara Barat     66.07     70.38
## 19  Nusa Tenggara Timur     71.40     75.04
## 20     Kalimantan Barat     69.05     72.43
## 21    Kalimantan Tengah     67.86     72.42
## 22   Kalimantan Selatan     69.56     72.75
## 23     Kalimantan Timur     67.95     71.88
## 24     Kalimantan Utara     68.54     72.56
## 25       Sulawesi Utara     68.75     72.95
## 26      Sulawesi Tengah     66.63     70.30
## 27     Sulawesi Selatan     71.68     75.66
## 28    Sulawesi Tenggara     70.31     75.22
## 29            Gorontalo     67.72     71.69
## 30       Sulawesi Barat     72.51     77.29
## 31               Maluku     70.85     75.68
## 32         Maluku Utara     69.41     73.63
## 33                Papua     71.79     75.61
## 34          Papua Barat     71.76     75.05
## 35        Papua Selatan     71.64     76.51
## 36         Papua Tengah     71.38     74.98
## 37     Papua Pegunungan     71.11     74.23
## 38     Papua Barat Daya     69.88     74.78

ANALISIS KORELASI

# Statistik deskriptif
summary(data_ahh)

##    Provinsi           Laki_Laki       Perempuan    
##  Length:38          Min.   :66.07   Min.   :70.30  
##  Class :character   1st Qu.:68.88   1st Qu.:72.58  
##  Mode  :character   Median :70.24   Median :74.00  
##                     Mean   :70.13   Mean   :74.15  
##                     3rd Qu.:71.39   3rd Qu.:75.56  
##                     Max.   :73.57   Max.   :77.88

# Standar deviasi
sd(data_ahh$Laki_Laki)

## [1] 1.83407

sd(data_ahh$Perempuan)

## [1] 1.989425

cat("HIPOTESIS:\n")

## HIPOTESIS:

cat("H0 : rho = 0 (Tidak terdapat hubungan antara AHH laki-laki dan perempuan)\n")

## H0 : rho = 0 (Tidak terdapat hubungan antara AHH laki-laki dan perempuan)

cat("H1 : rho ≠ 0 (Terdapat hubungan antara AHH laki-laki dan perempuan)\n")

## H1 : rho ≠ 0 (Terdapat hubungan antara AHH laki-laki dan perempuan)

alpha <- 0.05
cat("\nTaraf signifikansi (alpha) =", alpha, "\n")

## 
## Taraf signifikansi (alpha) = 0.05

# Korelasi Pearson
hasil <- cor.test(data_ahh$Laki_Laki,
                  data_ahh$Perempuan,
                  method = "pearson")

hasil

## 
##  Pearson's product-moment correlation
## 
## data:  data_ahh$Laki_Laki and data_ahh$Perempuan
## t = 19.846, df = 36, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9186349 0.9777110
## sample estimates:
##       cor 
## 0.9572117

p_value <- hasil$p.value
r_value <- hasil$estimate

if(p_value < alpha){
  keputusan <- "H0 ditolak"
} else {
  keputusan <- "H0 gagal ditolak"
}

cat("Keputusan:", keputusan, "\n")

## Keputusan: H0 ditolak

if(p_value < alpha){
  cat("Terdapat hubungan yang signifikan antara AHH laki-laki dan perempuan.\n")
} else {
  cat("Tidak terdapat hubungan yang signifikan antara AHH laki-laki dan perempuan.\n")
}

## Terdapat hubungan yang signifikan antara AHH laki-laki dan perempuan.

cat("Nilai koefisien korelasi (r) =", round(r_value,3), "\n")

## Nilai koefisien korelasi (r) = 0.957

# Scatter plot
plot(data_ahh$Laki_Laki, data_ahh$Perempuan,
     main = "Scatter Plot AHH Laki-laki vs Perempuan",
     xlab = "AHH Laki-laki",
     ylab = "AHH Perempuan",
     pch = 19,
     col = "blue")

abline(lm(Perempuan ~ Laki_Laki, data = data_ahh),
       col = "red", lwd = 2)

AnReg KORELASI

2026-02-25

ANALISIS KORELASI