ANALISIS KORELASI DAN

REGRESI LINEAR
SEDERHANA
PENTINGNYA ANALISIS
HUBUNGAN
Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan
hubungan dengan orang lain. Hubungan itu pada umumnya
dilakukan dengan maksud tertentu seperti mendapat
keringanan pajak, memperoleh kredit, meminjam uang,
serta minta pertolongan/bantuan lainnya.
Seperti kita ketahui, pada semua kejadian, baik kejadian
ekonomi maupun lainnya, pasti ada faktor yang
menyebabkan terjadinya kejadian-kejadian tersebut
(merosotnya hasil penjualan tekstil mungkin disebabkan
karena kalah bersaing dengan tekstil impor, merosotnya
produksi padi mungkin karena pupuknya berkurang, dan
lain sebagainya)
Uraian slide tadi menunjukkan adanya hubungan (korelasi)
antara kejadian yang satu dengan kejadian lainnya.
Kejadian itu dapat dinyatakan dengan perubahan nilai
variabel.

Hubungan antara dua kejadian dapat dinyatakan dengan
hubungan dua variabel.

Di dalam bab ini kita hanya membahas hubungan linear antara
dua variabel X dan Y.

Apabila dua variabel X dan Y mempunyai hubungan, maka
nilai variabel X yang sudah diketahui dapat dipergunakan
untuk memperkirakan/menaksir Y. Peramalan pada
dasarnya merupakan perkiraan/taksiran mengenai
terjadinya suatu kejadian.
Variabel Y yang nilainya akan diramalkan disebut varibel
tidak bebas, sedangkan varibel X yang nilainya
dipergunakan untuk meramalkan nilai Y disebut variabel
bebas atau variabel peramal dan seringkali disebut
variabel yang menerangkan. Jadi, jelas analisis korelasi ini
memungkinkan kita untuk mengetahui sesuatu di luar hasil
penyelidikan.

Salah satu cara untuk melakukan peramalan adalah dengan
menggunakan garis regresi.
KOEFISIEN KORELASI DAN
KEGUNAANNYA
Hubungan dua variabel ada yang positif dan negatif.
Hubungan X dan Y dikatakan positif apabila kenaikan
(penurunan) X pada umumnya diikuti oleh kenaikan
(penurunan) Y.

Sebaliknya dikatakan negatif kalau kenaikan (penurunan) X
pada umumnya diikuti oleh penurunan (kenaikan) Y.
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Koefisien korelasi (x dan y) mempunyai hubungan positif
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Koefisien korelasi (x dan y) mempunyai hubungan negatif
Jadi, kalau variabel X dan Y ada hubungan, maka
bentuk diagram pencarnya adalah mulus/teratur.

Apabila bentuk diagram pencar tidak teratur, artinya
kenaikan/penurunan X pada umumnya tidak diikuti
oleh naik turunnya Y, maka dikatakan X dan Y tidak
berkorelasi.

0
Y
X
0
Y
X
atau
Koefisien korelasi (x dan y) tidak mempunyai hubungan atau
hubungan lemah sekali
Kuat dan tidaknya hubungan antara X dan Y apabila dapat dinyatakan
dengan fungsi linear(paling tidak mendekati), diukur dengan suatu nilai
yang disebut koefisien korelasi. Nilai koefisien korelasi ini paling sedikit
1 dan paling besar +1.

Jadi jika r = koefisien korelasi, maka r dapat dinyatakan sebagai berikut :
-1s r s +1
-1
+1
Kuat (-) Kuat (+)
Lemah (-) Lemah (+)
Jika r =+1, hubungan X dan Y sempurna dan positif,
r = -1, hubungan X dan Y sempurna dan negatif,
r mendekati +1, hubungan sangat kuat dan positif,
r mendekati 1, hubungan sangat kuat dan negatif.

Disini X dikatakan mempengaruhi Y, jika berubahnya nilai X
akan menyebabkan perubahan nilai Y

Akan tetapi, naik turunnya Y adalah sedemikian rupa
sehingga nilai Y bervariasi, tidak semata-mata disebabkan
oleh X, karena masih ada faktor lain yang
menyebabkannya. Jadi untuk mengetahui berapa besar
kontribusi dari X terhadap naik turunnya nilai Y maka harus
dihitung dengan koefisien penentuan.
Kalau koefisien penentuan ditulis KP, maka untuk menghitung
KP digunakan rumus berikut : KP = r
2


Cara menghitung r adalah sebagai berikut:

=
=
n
i
i
y
n
i
i
x
n
i
i
y
i
x
r
1
2
1
2
1
( 7.2 )
atau
2
1 1
2
2
1 1
2
1 1 1
|
|
.
|

\
|

=
|
|
.
|

\
|

=
=
n
i
i
Y
n
i
i
Y
n
i
i
X
n
i
i
X n
n
i
i
Y
n
i
i
X
n
i
i
Y
i
X n
r
Kedua rumus diatas disebut koefisien korelasi Pearson
( 7.3 )
Contoh 7.1
X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
X Y x
2
y
2
xy
(x) (y)
1 2 -5,25 -5,75 27,5625 33,0625 30,1875
2 4 -4,25 -3,75 18,0625 14,0625 15,9375
4 5 -2,25 -2,75 5,0625 7,5625 6,1875
5 7 -1,25 -0,75 1,5625 0,5625 0,9375
7 8 0,75 0,25 0,5625 0,0625 0,1875
9 10 2,75 2,25 7,5625 5,0625 6,1875
10 12 3,75 4,25 14,0625 18,0625 15,9375
12 14 5,75 6,25 33,0625 39,0625 35,9375
X X Y Y

=50
i
X
25 , 6 = X
75 , 7 = Y

= 62
i
Y

= 0
i
x

= 0
i
y

= 5 , 107
2
i
x

= 5 , 117
2
i
y

= 5 , 111
i i
y x
Tabel 7.2
99 , 0
5 , 117 5 , 107
5 , 111
8
1
2
8
1
2
8
1
= =
=

= =
=
x
r
y x
y x
r
i
i
i
i
i
i i
( ) % 98 % 100 9801 , 0 99 , 0
2
2
= = = = x r KP
X Y X
2
Y
2
XY
1 2 1 4 2
2 4 4 16 8
4 5 16 25 20
5 7 25 49 35
7 8 49 64 56
9 10 81 100 90
10 12 100 144 120
12 14 144 196 168

=50
i
X

= 62
i
Y

= 420
2
i
X

= 598
2
i
Y

= 499
2
i i
Y X
Tabel 7.3
( ) ( )( )
( ) ( ) ( ) ( )
99 , 0
62 598 8 50 420 8
62 50 499 8
8
2 2
2
8
1
8
1
2
2
8
1
8
1
2
8
1
8
1
8
1
=


=
|
.
|

\
|
|
.
|

\
|

=


= = = =
= = =
x
r
Y Y X X
Y X Y X n
r
i
i
i
i
i
i
i
i
i
i
i
i
i
i i
Contoh 7.2
X 2 4 5 6 8 10 11 13 14 15
Y 15 14 12 10 9 8 6 4 3 2
X Y X
2
Y
2
XY
2 15 4 225 30
4 14 16 196 56
5 12 25 144 60
6 10 36 100 60
8 9 64 81 72
10 8 100 64 80
11 6 121 36 66
13 4 169 16 52
14 3 196 9 42
15 2 225 4 30

=83
i
Y

=956
2
i
X

=875
2
i
Y

=548
i i
Y X

=88
i
X
Tabel 7.5
( ) ( )( )
( ) ( ) ( ) ( )
99 , 0
83 875 10 88 956 10
83 88 548 10
10
10
2 2
2
10
1
10
1
2
2
10
1
10
1
2
10
1
10
1
10
1
=


=
|
.
|

\
|
|
.
|

\
|

=


= = = =
= = =
x
r
Y Y X X
Y X Y X
r
i
i
i
i
i
i
i
i
i
i
i
i
i
i i
Tahun Pengeluaran
Konsumen Rumah
Tangga atas
Harga yang
Berlaku
(Rp)
Pendapatan Nasional
Per Kapita
Atas Biaya Faktor
Produksi yang
Berlaku
(Rp)
Produksi Domestik
Bruto atas
Dasar Domestik
Harga yang
Berlaku
(Milyar Rp)
Pembentukan
Moda Tetap
Domestik Bruto
Atas dasar Harga
Yang Berlaku
(Milyar Rp)
(1) (2) (3) (4) (5)
1978 15.184,5 19.367,6 22.746,0 4.670,7
1979 19.513,7 27.146,8 32.025,4 6.704,3
1980 27.502,9 38.838,3 45.445,7 9.485,2
1981 35.560,0 46.838,1 54.027,0 11.553,4
1982 41.670,3 51.666,5 59.632,6 13.467,1
1983 44.739,3 65.513,5 73.698,6 18.973,8
1984 51.100,3 77.728,3 87.535,5 19.805,9
1985 54.600,3 84.694,4 96.066,4 19.613,5
Tabel 7.6
Pendapatan
Nasional Per Kapita
Atas Biaya Faktor
Produksi yang
Berlaku
(Rp)
Pengeluaran
Konsumen Rumah
Tangga atas
Harga yang
Berlaku
(Rp)
X Y X
2
Y
2
XY
(1) (2) (3) (4) (5)
19 15 361 225 285
27 20 719 400 540
39 28 1.521 784 1.092
47 36 2.209 1.296 1.692
52 42 2.704 1.764 2.184
66 45 4.356 2.025 2.970
78 51 6.084 2.601 3.978
85 55 7.225 3.025 4.675

= 413
i
X

= 292
i
Y

= 189 . 25
2
i
X

= 120 . 12
2
i
Y

= 416 . 17
i i
Y X
( ) ( )( )
( ) ( ) ( ) ( )
98 , 0
292 120 . 12 8 413 189 . 25 8
292 413 416 . 17 8
8
2 2
2
8
1
8
1
2
2
8
1
8
1
2
8
1
8
1
8
1
=


=
|
.
|

\
|
|
.
|

\
|

=


= = = =
= = =
x
r
Y Y X X
Y X Y X n
r
i
i
i
i
i
i
i
i
i
i
i
i
i
i i
KOEFISIEN KORELASI DATA
BERKELOMPOK
Rumus untuk menghitung koefisien korelasi yang sudah
dibahas sebelumnya adalah untuk data yang tidak
berkelompok (data yang belum disajikan dalam bentuk
tabel frekuensi, dengan menggunakan kelas-kelas atau
kategori-kategori). Untuk data yang berkelompok
rumusnya adalah sebagai berikut :
Rumus untuk menghitung koefisen korelasi bagi data
berkelompok penting sekali sebab dalam praktek,
misalnya di dalam suatu penelitian, hasil data yang
diperoleh sudah disajikan dalam bentuk data
berkelompok dengan interval kelas yang sama.
( ) ( )( )
( ) ( )
2 2 2 2

|
.
|

\
|

|
.
|

\
|

=
v
vf
v
f v n
u
uf
u
f u n
v
vf
u
uf uvf n
r
( 7.4 )
Matematika 40-49 50-59 60-69 70-79 80-89 90-99 Jumlah
Statistika
1 2 3 4 5 6 7 8
90 99 2 4 4 10
80 89 1 4 6 5 16
70 79 5 10 8 1 24
60 69 1 4 9 5 2 21
50 59 3 6 6 2 17
40 49 3 5 4 12
Jumlah 7 15 25 23 20 10 100
Tabel 7.9
Kelas Nilai
Matematika
Nilai
Tengah
(X)
u f
u

1 2 3 4
40 49 44,5 -2 7
50 59 54,5 -1 15
60 69 64,5 0 25
70 79 74,5 1 23
80 89 84,5 2 20
90 - 99 94,5 3 10
Kelas Nilai
Statistika
Nilai
Tengah
(X)
v f
v

1 2 3 4
90 99 94,5 2 10
80 89 84,5 1 16
70 79 74,5 0 24
60 69 64,5 -1 21
50 59 54,5 -2 17
40 - 49 44,5 -3 12
Tabel 7.10
I II III IV V
v f
v
vf
v
v
2
f
v
uvf
2 4 4 2 10 20 40 44
1 4 6 5 1 16 16 16 31
5 10 8 1 0 24 0 0 0
1 4 9 5 2 -1 21 -21 21 -3
3 6 6 2 -2 17 -34 68 20
3 5 4 -3 12 -36 108 33
VI u -2 -1 0 1 2 3 100 -55 253 125
VII f
u
7 15 25 23 20 10 100
VIII uf
u
-14 -15 0 23 40 30 64
IX u
2
f
u
28 15 0 23 80 90 236
X uvf 32 31 0 -1 24 39 125
Tabel 7.12
2 4 4 2 44
1 4 6 5 1 31
5 10 8 1 0 0
1 4 9 5 2 -1 -3
3 6 6 2 -2 20
3 5 4 -3 33
-2 -1 0 1 2 3 125
( )
( )( ) ( )( ) ( )( ) { }( )
{ }( )
44
2 12 8 2
2 4 3 4 2 2 1
=
+ + =
+ + =
=

v uf uvf
u
v
f
uvf
2 4 4 2
1 4 6 5 1
5 10 8 1 0
1 4 9 5 2 -1
3 6 6 2 -2
3 5 4 -3
-2 -1 0 1 2 3
( )( )( ) ( )( )( ) ( )( )( ) ( )( )( ) ( )( )( )
( )( )( ) ( )( )( )
125
4 3 0 ...... .......... 6 1 2
4 1 1 1 1 0 4 2 3 4 2 2 2 2 1
+ =
+
+ + + + + =

uvf
u
v
f
( ) ( )( )
( ) ( ) ( ) ( )
( ) ( )( )
( ) ( ) ( ) ( )
77 , 0 ~ 7686 , 0
55 253 100 64 236 100
55 64 125 100
2 2
2
2
2
2
=


=


=


r
vf f v n uf f u n
vf uf uvf n
r
v v u u
v u


= = =
= = =
253 55 125
236 64 100
2
2
v v
u u
f v vf uvf
f u uf n
Dari tabel korelasi di atas dapat di ikhtisarkan hasil sbb:
Prosedur pembuatan tabel korelasi (distribusi frekuensi
dua variabel) adalah sbb:
1. Menentukan jangkauan kedua variabel (var. X dan Y)
r = Data terbesar Data terkecil
2. Menentukan banyaknya kelas kedua var. tsb.
k = 1 + 3,322 log n
3. Menentukan panjang interval kelas kedua var. tsb
i =
4. Menentukan batas bawah kelas pertama dari kedua var. itu
Batas bawah kelas pertama diambil dari data terkecil atau
data terkecil hasil pelebaran jangkauan
5. Menempatkan kelas untuk var. X pada kolom tabel dan
kelas untuk var. Y pada baris tabel
k
r
X Y (ribu Rp) X Y (ribu Rp) X Y (ribu Rp)
49 878 66 1.403 61 1.073
94 1.690 88 1.605 86 1.858
56 1.318 58 842 65 1.612
30 818 49 768 47 726
61 867 87 2.048 85 1.509
64 978 82 1.388 47 680
39 1.045 39 672 60 1.088
67 763 51 915 45 1.106
70 1.194 26 440 96 1.454
38 874 83 1.958 57 815
71 923 50 819 60 1.263
42 850 49 1.219 57 1.295
60 738 48 890 37 957
55 1.087 65 699 42 904
31 758 51 808 72 1.219
35 799 52 746 39 424
17 753 48 753
Penyelesaian:
1. Jangkauan variabel X = 96 17 = 79
Jangkauan variabel Y = 2.048 424 = 1.624
2. Jumlah kelas :
k = 1 + 3,322 log 50
= 1 + 3,322 (1,699)
= 1 + 5,6 = 6,6 = 7 (dibulatkan)
3. Interval kelas variabel X (persentase penduduk nonpetani)
i = = 11,97 = 12
Interval kelas variabel Y
I = = 246.06 = 250
4. Batas bawah kelas pertama untuk var. X = 15
5. Batas bawah kelas pertama untuk var. Y = 400
6 , 6
79
6 , 6
624 . 1
PPNT (X) 15-26 27-38 39-50 51-62 63-74 75-86 87-98
PKT (Y)
400 649 1 1 2
650 899 1 4 9 6 2 22
900 1.149 1 3 4 2 10
1.150 1.399 1 3 2 1 7
1.400 1.649 2 1 2 5
1.650 1.899 1 1 2
1.900 2.149 1 1 2
Jumlah 2 6 13 13 8 4 4 50

KORELASI RANK (PERINGKAT)

Koefisien korelasi rank adalah indeks angka-angka yang
dipakai untuk mengukur keeratan(erat atau tidaknya)
korelasi antara dua variabel yang didasarkan atas ranking
(tingkatan). Koefisien korelasi rank dirumuskan :

( ) 1
6
1
2
2

=

n n
d
r
i
rank
Nomor
Urut
Merek
Rokok
Rank dari
Joni
Rank dari
Tono
(1) (2) (3) (4)
1 Kansas 9 8
2 Jarum 5 3
3 555 10 9
4 Bentoel 1 2
5 Mascot 8 7
6 Marlboro 7 10
7 Salem 3 4
8 Kent 4 6
9 Gudang Garam 2 1
10 Dunhill 6 5
Tabel 7.15
Rank Tono 8 3 9 2 7 10 4 6 1 5
Rank Joni 9 5 10 1 8 7 3 4 2 6
Selisih rank (d) -1 -2 -1 1 -1 3 1 2 -1 -1
d
2
1 4 1 1 1 9 1 4 1 1
Tabel 7.16
( )
( )
( )
85 , 0 1455 , 0 1
1 100 10
1 ... 1 4 1 6
1
1
6
1
2
2
= =

+ + + +
=

=

n n
d
r
i
rank
Nama Nilai
Ujian
Rank Hasil Penjualan
Tahun Pertama
(ribuan rupiah)
Rank Selisih
Rank
X Y d d
2

(1) (2) (3) (4) (5) (6) (7)
Amin 48 3 312 2 1 1
Joni 32 6 164 8 -2 4
Tono 40 5 280 4 1 1
Amir 34 7 196 7 0 0
Ahmad 30 8 200 6 2 4
Paulus 50 1,5 288 3 -1,5 2,25
Purwanto 26 9 146 10 -1 1
Bambang 50 1,5 361 1 0,5 0,25
Jatmiko 22 10 149 9 1 1
Aryo 43 4 252 5 -1 1
Tabel 7.17
X Rank
(X)
Y Rank
(Y)
d d
2

(1) (2) (3) (4) (5) (6)
63 1 478 1 0 0
80 6 643 8 -2 4
78 5 620 6 -1 1
67 2 514 2 0 0
83 7 597 5 2 4
90 8 635 7 1 1
75 4 579 3 1 1
72 3 593 4 -1 1
Tabel 7.18
Nilai yang paling rendah di beri rank 1 dan yang paling besar di beri rank 8
Perhitungan koefisien korelasi dengan menggunakan rumus
koefisien korelasi rank Spearman (7.5) jauh lebih
sederhana dibandingkan rumus product moment dari
Pearson (7.2 dan 7.3), sebab dengan menggunakan rank
angka-angkanya menjadi lebih kecil, sedangkan hasil
perhitungan adalah sama atau sangat mendekati.
KORELASI DATA KUALITATIF
Korelasi data kualitatif digunakan untuk data kualitatif yaitu
data yang tidak berbentuk angka-angka, tetapi berupa
kategori-kategori.

Untuk data kualitatif yang dipergunakan dalam mengukur
kuatnya hubungan disebut Contingency Coefficient
(koefisien bersyarat) yang mempunyai sama seperti
koefisien korelasi.
Koefisien bersyarat (C
c
), dipergunakan untuk mengukur
kuatnya hubungan data kualitatif yang mempunyai arti
seperti koefisien korelasi, dimana nilai C
c
sebesar nol,
yang berarti tidak ada hubungan.
Akan tetapi, batas atas C
c
tidak sebesar satu, tergantung
atau sebagai fungsi banyaknya kategori (baris atau kolom).
Batas tertinggi nilai C
c
ialah , dimana nilai r ialah
banyaknya baris atau kolom. Kalau banyaknya baris tidak
sama dengan banyaknya kolom, pilih nilai yang terkecil.
( ) r r / 1
Adapun untuk menghitung nilai koefisien
bersyarat (C
c
) digunakan rumus :







n
2

+
=
c
C

=

=
=

=
=

=
=

=

=
=
p
i
q
j
ij
n
q
j
j
n
p
i
i
n
p
i
q
j
ij
f n
1 1 1
.
1
.
1 1
( )

=

=

=
p
i
q
j
ij
e
ij
e
ij
f
1 1
2
2
_
1 2 j q
(1) (2) (3) (4) (5) (6) (7) (8)
1 f
11
(e
11
)
f
12
(e
12
)
f
1j
(e
1j
)
f
1q
(e
1q
)
n
1
.
2 f
21
(e
21
)
f
22
(e
22
)
f
2j
(e
2j
)
f
2q
(e
2q
)
n
2
.
i f
i1
(e
i1
)
f
i2
(e
i2
)
f
ij
(e
ij
)
f
iq
(e
iq
)
n
i
.
p f
p1
(e
p1
)
f
p2
(e
p2
)
f
pj
(e
pj
)
f
pq
(e
pq
)
n
p
.
n.
1
n.
2
n.
j
n.
q
n
Tabel 7.19
Kalau nilai perbandingan C
c
dengan batas tertinggi < 0,5 maka
hubungan lemah,
terletak antara 0,5 dan 0,75 maka hubungan sedang/cukup,
antara 0,75 dan 0,90 maka hubungan kuat,
antara 0,90 dan 1 hubungan sangat kuat,
sama dengan 1 maka hubungan sempurna.
( )( )
n
j
n
i
n
ij
e
. .
=
Pendidikan Konsumsi
Kurang Cukup Sangat cukup
(1) (2) (3) (4)
Tidak tamat SLA 82 65 12
Tamat SLA 59 112 24
Pernah masuk
Perguruan Tinggi
37 94 42
Tabel 7.20
1 2 3 Jumlah
(1) (2) (3) (4) (5)
1 82
(53,70)
65
(81,76)
12
(23,53)
n
1
. = 159
2 59
(65,86)
112
(100,28)
24
(28,86)
n
2
. = 195
3 37
(58,43)
94
(88,96)
42
(25,61)
n
3
. = 173
Jumlah n.
1
= 178 n.
2
= 271 n.
3
= 78 n = 527
Tabel 7.21
( )( )
70 , 53
527
178 159
1 1
11
= =

=

n
n n
e
( )
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
54 , 45
61 , 25
39 , 16
...
76 , 81
76 , 16
70 , 53
30 , 28
61 , 25
61 , 25 42
...
76 , 81
76 , 81 65
70 , 53
70 , 53 82
...
2
2 2 2
2
2 2 2
2
33
2
33 33
13
2
13 13
12
2
12 12
3
1
3
1
11
2
11 11
2
2
=
+ +

+ =

+ +

+ +

= =
_
_
_
_
e
e f
e
e f
e
e f
e
e f
e
e f
i j
ij
ij ij
28 , 0
527 54 , 45
54 , 45
2
2
=
+
=
+
=
c
c
C
n
C
_
_
( ) ( )
82 , 0
3
1 3 1
=

=
r
r
atas Batas
( )
34 , 0
82 , 0
28 , 0
= = atas batas dengan C an Perbanding
c
lemah dikatakan hubungan
maka Karena 50 , 0 34 , 0 <
TEKNIK RAMALAN DAN
ANALISIS REGRESI
Tujuan utama materi ini adalah bagaimana menghitung
suatu perkiraan atau persamaan regresi yang akan
menjelaskan hubungan antara dua variabel.
Diagram Pencar
Setelah ditetapkan bahwa terdapat hubungan logis di
antara variabel, maka untuk mendukung analisis lebih
jauh, barangkali tahap selanjutnya adalah menggunakan
grafik.

Grafik ini disebut diagram pencar, yang menunjukkan titik-
titik tertentu. Setiap titik memperlihatkan suatu hasil yang
kita nilai sebagai varibel tak bebas maupun bebas.
Diagram pencar ini memiliki 2 manfaat, yaitu :
- membantu menunjukkan apakah terdapat hubungan
yang bermanfaat antara dua variabel,
- dan membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel tersebut.
Karyawan Hasil Produksi
(lusin)
(Y)
Skor Tes
Kecerdasan
(X)
A 30 6
B 49 9
C 18 3
D 42 8
E 39 7
F 25 5
G 41 8
H 52 10
Tabel 7.24
Diagram Pencar
0
5
10
15
20
25
30
35
40
45
50
55
60
0 1 2 3 4 5 6 7 8 9 10 11
Hasil Tes Kecerdasan
H
a
s
i
l

P
r
o
d
u
k
s
i

(
l
u
s
i
n
)
Karyawan Hasil Produksi
(lusin)
(Y)
Skor Tes
Kecerdasan
(X)
A 30 6
B 49 9
C 18 3
D 42 8
E 39 7
F 25 5
G 41 8
H 52 10
Persamaan Regresi Linear
Regresi merupakan suatu alat ukur yang juga digunakan
untuk mengukur ada atau tidaknya korelasi
antarvariabelnya.

Istilah regresi itu sendiri berarti ramalan atau taksiran.

Persamaan yang digunakan untuk mendapatkan garis
regresi pada data diagram pencar disebut persamaan
regresi.
Untuk menempatkan garis regresi pada data yang diperoleh
maka digunakan metode kuadrat terkecil, sehingga
bentuk persamaan regresi adalah sebagai berikut:

Y = a + b X

Kesamaan di antara garis regresi dan garis trend tidak
dapat berakhir dengan persamaan garis lurus. Garis
regresi (seperti garis trend dan nilai tengah aritmatika)
memiliki dua sifat matematis berikut :
E(Y Y) = 0

dan E(Y Y)
2
= nilai terkecil atau terendah

Dengan perkataan lain, garis regresi akan ditempatkan
pada data dalam diagram sedemikian rupa sehingga
penyimpangan (perbedaan) positif titik-titik terhadap
titik-titik pencar di atas garis akan mengimbangi
penyimpangan negatif titik-titik pencar yang terletak di
bawah garis, sehingga hasil penyimpangan keseluruhan
titik-titik terhadap garis lurus adalah nol.
Untuk tujuan diatas, perhitungan analisis regresi dan
analisis korelasi dapat dipermudah dengan
menggunakan rumus dalam bentuk penyimpangan nilai
tengah variabel X dan Y, yaitu penyimpangan dari
Y dan X
Oleh karena itu, dapat digunakan simbol berikut ini :
( )
( )
( )( ) Y Y X X xy dan
Y Y y
X X x
=
=
=
Nilai dari a dan b pada persamaan regresi dapat dihitung
dengan rumus berikut :




( )
X b Y a
X X n
Y X Y X n
b
x
y x
b
i i
i i i i
i
i i
=

=
=

2
2
2
( 7.8 )
( 7.7 )
( 7.9 )
Karyawan Hasil Produksi
(lusin) (Y)
Skor Tes
(X)
y x xy x
2
y
2

A 30 6 -7 -1 7 1 49
B 49 9 12 2 24 4 144
C 18 3 -19 -4 76 16 361
D 42 8 5 1 5 1 25
E 39 7 2 0 0 0 4
F 25 5 -12 -2 24 4 144
G 41 8 4 1 4 1 16
H 52 10 15 3 45 9 225
296 56 0 0 185 36 968
Tabel 7.25
( ) X X ( ) Y Y
7
8
56
37
8
296
= = = = = =

N
X
X
N
Y
Y
( ) 02 , 1 7 14 , 5 37
14 , 5 ~ 138 , 5
36
185
2
= = =
= = =

X b Y a
x
xy
b
X Y 14 , 5 02 , 1 ' + =
( )
( )
( )
( ) 42 , 52 10 14 , 5 02 , 1 ' 10
86 , 31 6 14 , 5 02 , 1 ' 6
72 , 26 5 14 , 5 02 , 1 ' 5
44 , 16 3 14 , 5 02 , 1 ' 3
= + = =
= + = =
= + = =
= + = =
Y X
Y X
Y X
Y X
Diagram Pencar
0
5
10
15
20
25
30
35
40
45
50
55
60
0 1 2 3 4 5 6 7 8 9 10 11
Hasil Tes Kecerdasan
H
a
s
i
l

P
r
o
d
u
k
s
i

(
l
u
s
i
n
)
X Y X
2
Y
2
XY
(x)

x
2


(y)

xy
(1) (2) (3) (4) (5) (6) (7) (8) (9)
19 15 361 225 285 -32,62 1.064,06 -21,5 701,33
27 20 719 400 540 -24,62 606,14 -16,5 406,23
39 28 1.521 784 1.092 -12,62 159,26 -8,5 107,27
47 36 2.209 1.296 1.692 -4,62 21,34 -0,5 2,31
52 42 2.704 1.764 2.184 0,38 0,14 5,5 2,09
66 45 4.356 2.025 2.970 14,38 206,78 8,5 122,23
78 51 6.084 2.601 3.978 26,38 695,90 14,5 382,51
85 55 7.225 3.025 4.675 33,38 1.114,22 18,5 617,53


25.189


12.120


17.416


3.867,84


2.341,50
( ) Y Y ( ) X X

= 413
i
X
62 , 51 = X

= 292
i
Y
50 , 36 = Y

=
2
i
X

=
2
i
Y

=
i i
Y X

=
2
i
x

=
i i
y x
Tabel 7.26
( )
( ) ( )( )
( ) ( )
( ) 01 , 5 62 , 51 61 , 0 50 , 36
61 , 0
413 189 . 25 8
292 413 416 . 17 8
61 , 0
84 , 867 . 3
50 , 341 . 2
2 2
2
2
= =
=
=

=
= =
=

a
X b Y a
X X n
Y X Y X n
b
b
x
y x
b
i i
i i i i
i
i i
Jadi persamaan garis regresi Y = 5,01 + 0,61 X
( 7.7 )
( 7.8 )
( 7.9 )
Tahun X
Ribuan milyar
rupiah
Y
Milyar rupiah
X
2
XY
(1) (2) (3) (4) (5)
1979 32,025 5.301,6 1.025,6006 169.783,7400
1980 45,446 8.077,9 2.065,3389 367.108,2434
1981 54,027 11.720,9 2.918,9167 633.245,0643
1982 59,633 13.921,6 3.556,0947 830.186,7728
1983 73,698 14.358,3 5.431,3952 1.058.177,9934
1984 87,536 18.315,1 7.662,5513 1.603.230,5936
1985 96,066 19.383,5 9.228,6764 1.862.095,3110
Jumlah 448,431 91.078,9 31.888,5738 6.523.827,7160
( )
( ) ( )( )
( ) ( )
( )
X Y
bX a Y
a
X b Y a
b
X X n
Y X Y X n
b
i i
i i i i
997 , 217 053 , 954 '
'
053 , 954 062 , 64 997 , 217 271 , 011 . 13
997 , 217
431 , 448 5738 , 888 . 31 7
9 , 078 . 91 431 , 448 7160 , 827 . 523 . 6 7
2
2
2
+ =
+ =
= =
=
=

=


Penggunaan Persamaan Regresi
dalam Peramalan
Tujuan utama penggunaan persamaan regresi adalah
untuk memperkirakan nilai dari variabel tak bebas pada
nilai variabel bebas tertentu. Tentu saja, tidak mungkin
untuk mengatakan dengan tepat.
X Y 14 , 5 02 , 1 ' + =
( ) 58 , 21 4 14 , 5 02 , 1 ' 4 = + = = Y X