Anda di halaman 1dari 71

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.

Koefisien korelasi (x dan y) mempunyai hubungan positif


16
14
12
10
8
6
4
2
0
0

10

11

12

13

Koefisien korelasi (x dan y) mempunyai hubungan negatif


16
14
12
10
8
6
4
2
0
0

10

11

12

13

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.

Koefisien korelasi (x dan y) tidak mempunyai hubungan atau


hubungan lemah sekali
Y

atau

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 :
-1 r +1
Kuat (-)

Kuat (+)
+1

-1
Lemah (-)

Jika

Lemah (+)

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 = r2
Cara menghitung r adalah sebagai berikut:

n
xi y i
i 1
n 2 n 2
xi
yi
i 1
i 1

( 7.2 )

atau

( 7.3 )

n
n
n
n X iYi X i Yi
i 1
i 1 i 1
r
2
2
n 2 n
n 2 n
n X i X i Yi Yi

i 1
i 1 i 1
i 1
Kedua rumus diatas disebut koefisien korelasi Pearson

Contoh 7.1

10 12

10 12 14

Tabel 7.2
X

X (x)
X

x2

y2

xy

Y (y)
Y

-5,25

-5,75

27,5625

33,0625

30,1875

-4,25

-3,75

18,0625

14,0625

15,9375

-2,25

-2,75

5,0625

7,5625

6,1875

-1,25

-0,75

1,5625

0,5625

0,9375

0,75

0,25

0,5625

0,0625

0,1875

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

50

Y 62
i

X 6,25 Y 7,75

107,5

117,5

x y
i

111,5

x y
i 1

x y
i 1

2
i

i 1

2
i

111,5
r
0,99
107,5 x 117,5
KP r 2 0,99 0,9801 x 100 % 98 %
2

Tabel 7.3
X

X2

Y2

XY

16

16

25

20

25

49

35

49

64

56

10

81

100

90

10

12

100

144

120

12

14

144

196

168

X i 50

Yi 62

X i 420
2

598

X Y

i i

499

i 1

i 1

i 1

n X iYi X i Yi

8 X X i
i 1
i 1
8

2
i

i1 Yi i1 Yi
8

8499 5062
8420 50 x 8598 62
2

0,99

Contoh 7.2

10 11 13 14 15

15 14 12 10

Tabel 7.5
X

X2

Y2

XY

15

225

30

14

16

196

56

12

25

144

60

10

36

100

60

64

81

72

10

100

64

80

11

121

36

66

13

169

16

52

14

196

42

15

225

30

X i 956

Yi 875

X Y 548

88

Y 83
i

i i

10

10

10

i 1

i 1

i 1

10 X iYi X i Yi

10 X X i
i 1
i 1
10

10

2
i

Yi Yi

i 1
i 1
10

10

10548 8883
10956 88 x 10875 83
2

0,99

Tabel 7.6

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

Pendapatan
Nasional Per Kapita
Atas Biaya Faktor
Produksi yang
Berlaku
(Rp)

Pengeluaran
Konsumen Rumah
Tangga atas
Harga yang
Berlaku
(Rp)

X2

Y2

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

Y 292 X
i

2
i

25.189

Yi 12.120
2

X Y 17.416
i i

i 1

i 1

i 1

n X iYi X i Yi

8 X X i
i 1
i 1
8

2
i

Yi
i1 Yi
i 1
8

817.416 413292
825.189 413 x 812.120 292
2

0,98

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 :

n uvf uf u vf v
n u 2 f u uf u 2 n v 2 f v vf v 2

( 7.4 )
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.

Tabel 7.9

Matematika

40-49

50-59

60-69

70-79

80-89

90-99

Jumlah

10

Statistika
1
90 99

80 89

16

70 79

10

24

60 69

50 59

40 49

Jumlah

15

25

21
17
12

23

20

10

100

Tabel 7.10

Kelas Nilai
Matematika

Nilai
Tengah
(X)

fu

Kelas Nilai
Statistika

Nilai
Tengah
(X)

fv

40 49

44,5

-2

90 99

94,5

10

50 59

54,5

-1

15

80 89

84,5

16

60 69

64,5

25

70 79

74,5

24

70 79

74,5

23

60 69

64,5

-1

21

80 89

84,5

20

50 59

54,5

-2

17

90 - 99

94,5

10

40 - 49

44,5

-3

12

Tabel 7.12
I

II

III

fv

vfv v2fv uvf

10

20

40

44

16

16

16

31

10

24

-1

21

-21

21

-3

-2

17

-34

68

20

-3

12

-36 108 33

VI

-2

-1

VII

fu

15

25

23

20

10

100

VIII

ufu -14 -15

23

40

30

64

IX

u2fu 28

15

23

80

90

236

uvf

31

-1

24

39

125

32

IV

100 -55 253 125

uvf

44

31

10

-1

-3

-2

20

-3

33

-2

-1

uvf uf v

12 24 342
2 8 122
44

125

10

-2

-1

-1

-2
-3

uvf 122 224 324 011 114


216 ................0 34

125

Dari tabel korelasi di atas dapat di ikhtisarkan hasil sbb:

n 100

uvf 125
r

ufu 64

2
u
f u 236

vf v 55

2
v
f v 253

n uvf ufu vfv

n u f u ufu
2

n v f v vfv
2

100125 64 55
100236 64

100253 55

0,7686 ~ 0,77

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
r
i= k
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

Y (ribu Rp)

Y (ribu Rp)

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)
79
i = 6,6 = 11,97 = 12
Interval kelas variabel Y
1.624
I = 6,6 = 246.06 = 250
4. Batas bawah kelas pertama untuk var. X = 15
5. Batas bawah kelas pertama untuk var. Y = 400

PPNT (X)

39-50

51-62

63-74

75-86

87-98

15-26

27-38

400 649

650 899

22

10

1.650 1.899

1.900 2.149

50

PKT (Y)

900 1.149
1.150 1.399

1.400 1.649

Jumlah

13

13

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 :

rrank 1

6 d

2
i

n n 1
2

Tabel 7.15
Nomor
Urut

Merek
Rokok

Rank dari
Joni

Rank dari
Tono

(1)

(2)

(3)

(4)

Kansas

Jarum

555

10

Bentoel

Mascot

Marlboro

10

Salem

Kent

Gudang Garam

10

Dunhill

Tabel 7.16
Rank Tono

10

Rank Joni

10

Selisih rank (d)

-1

-2

-1

-1

-1

-1

d2

rrank 1

6 d i2

n n2 1

61 4 1 ... 1
1
1 0,1455 0,85
10 100 1

Tabel 7.17
Nama

Nilai
Ujian

Rank

X
(1)

Hasil Penjualan
Tahun Pertama
(ribuan rupiah)

Rank

Selisih
Rank
d

d2

(2)

(3)

(4)

(5)

(6)

(7)

Amin

48

312

Joni

32

164

-2

Tono

40

280

Amir

34

196

Ahmad

30

200

Paulus

50

1,5

288

-1,5

2,25

Purwanto

26

146

10

-1

Bambang

50

1,5

361

0,5

0,25

Jatmiko

22

10

149

Aryo

43

252

-1

Tabel 7.18
X

Rank
(X)

Rank
(Y)

d2

(1)

(2)

(3)

(4)

(5)

(6)

63

478

80

643

-2

78

620

-1

67

514

83

597

90

635

75

579

72

593

-1

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 (Cc), dipergunakan untuk mengukur


kuatnya hubungan data kualitatif yang mempunyai arti
seperti koefisien korelasi, dimana nilai Cc sebesar nol,
yang berarti tidak ada hubungan.
Akan tetapi, batas atas Cc tidak sebesar satu, tergantung
atau sebagai fungsi banyaknya kategori (baris atau kolom).
Batas tertinggi nilai Cc ialah r 1 / r , dimana nilai r ialah
banyaknya baris atau kolom. Kalau banyaknya baris tidak
sama dengan banyaknya kolom, pilih nilai yang terkecil.

Adapun untuk menghitung nilai koefisien


bersyarat (Cc) digunakan rumus :
Cc

2
2 n

p q
p
q
p q
n f ij ni. n. j nij
i 1 j 1
i 1
j 1
i 1 j 1

2
p q
f

e
ij
ij
2

eij
i 1 j 1

Tabel 7.19
1

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

f11
(e11)

f12
(e12)

f1j
(e1j)

f1q
(e1q)

n1 .

f21
(e21)

f22
(e22)

f2j
(e2j)

f2q
(e2q)

n2 .

fi1
(ei1)

fi2
(ei2)

fij
(eij)

fiq
(eiq)

ni.

fp1
(ep1)

fp2
(ep2)

fpj
(epj)

fpq
(epq)

np .

n.1

n.2

n.j

n.q

eij

ni. n. j
n

Kalau nilai perbandingan Cc 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.

Tabel 7.20

Pendidikan

Konsumsi
Kurang

Cukup

Sangat cukup

(2)

(3)

(4)

Tidak tamat SLA

82

65

12

Tamat SLA

59

112

24

Pernah masuk
Perguruan Tinggi

37

94

42

(1)

Tabel 7.21
1

Jumlah

(1)

(2)

(3)

(4)

(5)

82
(53,70)

65
(81,76)

12
(23,53)

n1. = 159

59
(65,86)

112
(100,28)

24
(28,86)

n2. = 195

37
(58,43)

94
(88,96)

42
(25,61)

n3. = 173

Jumlah

n.1 = 178 n.2 = 271 n.3 = 78

n = 527

e11

n1 n1 159178

53,70
n
527
3

eij

ij

eij

i 1 j 1

2
2
2
2

f 33 e33
f11 e11 f12 e12 f13 e13

...

e11

e12

e13

e33

2
2
2

82

53
,
70
65

81
,
76
42

25
,
61
2

...

53,70

81,76

25,61

2
2
2

28,30 16,76
16,39

...

53,70

81,76

25,61

2 45,54
Batas atas

Cc

2
2 n

Cc 0,28

45,54
45,54 527

r 1 3 1 0,82
r

Perbandingan Cc dengan batas atas

0,28 0,34
0,82

Karena 0,34 0,50 maka


hubungan dikatakan lemah

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 titiktitik 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.

Tabel 7.24
Karyawan

Hasil Produksi
(lusin)
(Y)

Skor Tes
Kecerdasan
(X)

30

49

18

42

39

25

41

52

10

Karyawan

Hasil Produksi
(lusin)
(Y)

Skor Tes
Kecerdasan
(X)

Diagram Pencar
60

30

49

18

42

39

25

41

52

10

55
50
45
Hasil Produksi (lusin)

40
35
30
25
20
15
10
5
0
0

Hasil Tes Kecerdasan

10 11

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 :

(Y Y) = 0
dan (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

X dan Y

Oleh karena itu, dapat digunakan simbol berikut ini :


y Y Y
dan xy X X Y Y
x X X

Nilai dari a dan b pada persamaan regresi dapat dihitung


dengan rumus berikut :

xy

b
x
i

( 7.7 )

2
i

n X iYi X i Yi
n X i2 X i

a Y bX

( 7.8 )

( 7.9 )

Tabel 7.25
xy

x2

y2

-1

49

12

24

144

-19

-4

76

16

361

42

25

39

25

-12

-2

24

144

41

16

52

10

15

45

225

296

56

185

36

968

Karyawan

Hasil Produksi
(lusin) (Y)

Skor Tes
y
x
(X)
Y Y X X

30

-7

49

18

Y 296

37
N

X
N

56

7
8

xy

Diagram Pencar

185
b

5,138 ~ 5,14
2
x 36

60
55
50

a Y b X 37 5,147 1,02

Hasil Produksi (lusin)

45
40
35
30
25
20
15

Y ' 1,02 5,14 X


X
X
X
X

3 Y ' 1,02 5,143 16,44


5 Y ' 1,02 5,145 26,72
6 Y ' 1,02 5,146 31,86
10 Y ' 1,02 5,1410 52,42

10
5
0
0

Hasil Tes Kecerdasan

10 11

Tabel 7.26
X

X2

Y2

XY

Y Y

X X
(x)

x2

(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

413

Y 292 X i 2 Y
i

X 51,62 Y 36 ,50

25.189

12.120

X Y
i i

17.416

3.867,84

x y
i

2.341,50

xy

b
x
i

( 7.7 )

2
i

2.341,50
b
0,61
3.867,84

( 7.8 ) b

( 7.9 )

n X iYi X i Yi
n X X i
2
i

817.416 413292

0,61
2
825.189 413

a Y bX

a 36,50 0,6151,62 5,01

Jadi persamaan garis regresi Y = 5,01 + 0,61 X

Tahun

X
Ribuan milyar
rupiah

Y
Milyar rupiah

X2

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

n X iYi X i Yi
n X X i
2
i

76.523.827,7160 448,43191.078,9
b
217,997
2
731.888,5738 448,431
a Y bX

a 13.011,271 217,99764,062 954,053


Y ' a bX
Y ' 954,053 217,997 X

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.

Y ' 1,02 5,14 X


X 4 Y ' 1,02 5,14 4 21,58