SEDERHANA
STATISKA DESKRIPTIF
Semester III
Rahmat Darmawan
Muhammad Yansilu Aksan
R. Abdullah
Dennies Rossi Bumulo
Radovan
Eshakas
Pendahuluan
Analisa pasangan Variabel mumbutuhkan data yang terdiri dari 2 kelompok hasil ovservasi atau
pengukuran. Data yang dapat diperoleh dari berbagai bidang kegiatan yang menghasilkan pasangan
observasi sebanyak n, dinyatakan sebagai (x; y).
Di dalam penelitian ilmiah, selain ingin menunjukkan hubungan antara dua variabel atau lebih dan
mengukur hubungan itu, juga ingin dapat meramalkan sesuatu, yaitu menentukan nilai suatu variabel
sesudah mengetahui nilai-nilai variabel yang lain. Untuk dapat meramal harus diketahui dulu hubungan
antara variabel-variabel itu. Yang berhubungan dengan peramalan dan kesalahan peramalan,
dinamakan proses regresi. Sedangkan pengukuran hubungan antara variabel, dinamakan proses korelasi.
Defenisi :
Regresi dan korelasi sederhana adalah suatu cara untuk mengetahui hubungan antara satu variabel
dengan satu variabel yang lain
Regresi dan korelasi digunakan untuk mempelajari pola dan mengukur hubungan
statistik antara dua atau lebih variabel.
Jika digunakan hanya dua variabel disebut regresi dan korelasi sederhana.
Jika digunakan lebih dari dua variabel disebut regresi dan korelasi berganda.
Variabel yang akan diduga disebut variabel terikat (tidak bebas) atau dependent variable,
biasa dinyatakan dengan variabel Y.
Variabel yang menerangkan perubahan variable terikat disebut variabel bebas atau
independent variable, biasa dinyatakan dengan variabel X.
Persamaan regresi (penduga/perkiraan/peramalan) dibentuk untuk menerangkan pola
hubungan variabelvariabel.
Analisa korelasi digunakan untuk mengukur keeratan hubungan antara variabel-variabel.
= n x y - x . y
nx2 (x)2
= y
n
= x
n
= - b
Keterangan :
Y = nilai yang diukur atau dihitung pada variabel tidak bebas
X = nilai tertentu dari variabel bebas
a = intersep/ perpotongan garis regresi dengan sumbu y
b = koefisien regres atau untuk mengukur kenaikan atau penurunan y untuk setiap perubahan
satu-satuan x atau untuk mengukur besarnya pengaruh x terhadap y kalau x naik satu unit
dengan prinsip kuadrat minimum (principle of least squares), dapat dibuat suatu garis lurus yang
memiliki kesesuaian terbaik, yaitu pilih sebuah garis dengan kesesuaian terbaik yang
meminimumkan jumlah kuadrat penyimpangan nilai yang diamati dengan yang diramalkan. Atau
meminimumkan :
n
SSE = (Y1 1)
i=1
Istilah SSE menyatakan jumlah Kuadrat penyimpangan, yang biasa disebut jumlah kuadrat
kesalahan (sum of squares for error). Kalau disubstitusikan rumus persamaan garis regresi dalam
rumus SSE, maka :
n
SSE = [Y1 (a+b1x1)]2
i=1
Koefisien korelasi linier ( r ) adalah ukuran hubungan linier antara dua variabel/peubah
acak X dan Y untuk mengukur sejauh mana titik-titik menggerombol sekitar sebuah garis
lurus regresi.
Koefisien Determinasi ( r2 )
nilainya antara 0 dan 1
untuk menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat dijelaskan
oleh nilai-nilai peubah X melalui hubungan linier tersebut
Contoh : r = 0,6 artinya 0,36 atau 36 % diantara keragaman total nilai-nilai Y dapat
dijelaskan oleh hubungan liniernya dengan nilai-nilai X. atau Besarnya sumbangan X
terhadap naik turunnya Y adalah 36 % sedangkan 64 % disebabkan oleh faktor lain.
Contoh : Pengeluaran untuk konsumsi rumah tangga berkaitan dengan pendapatan rumah tangga.
Data yang diperoleh sebagai berikut :
Pendapatan X
18 23 28 32 41 59 86 99
Pengeluaran (Y) 17 20 23 27 32 46 63 74
Dalam 10 ribu rupiah per bulan.
a). Buatlah diagram pencarnya.
b). Tentukan persamaan regresinya.
c). Perkirakanlah besarnya pengeluaran untuk konsumsi jika pendapatannya Rp. 950.000,00
d). Koefisien Korelasi ( r ).
40 20 25 20 30 50 40 20 50 40 25 50
385 400 395 365 475 440 490 420 560 525 480 510
Menentukan Persamaan Regresi dan Koefisien Korelasi Sederhana antara dua variabel dengan
SPS
Menentukan persamaan regresi dan koefisien korelasi sederhana antara dua variabel
dengan Excel 2013 Regresi
Langkah-langkahnya:
1. Ketik data X pada kolom A dan data Y pada kolom B
2. Pilih Data pada menu utama
3. Pilih Data Analysis
4. Pilih Regression
5. Klik OK
Setelah muncul kotak dialog
Pada input Y range , sorot pada range B2:B7
Pada input X range, sorot pada range A2:A7
Pada output range, ketik D2
Klik OK
Menentukan persamaan regresi dan koefisien korelasi sederhana antara dua variabel
dengan SPSS Langkah-langkahnya:
1. Klik Analyze
2. Klik regressi, pilih Linear
3. Klik variabel x lalu masukkan pada kotak Independent
4. Klik variabel y lalu masukkan pada kotak Dependent
5. Klik Statistics, pilih Estimates, Model fit, Descriptive
6. Klik Continue
7. Klik Plot, lalu masukkan Dependent kekotak Y axis.
8. Kilk Continue
9. Klik Save , pada Predicted value anda pilih Unstandardized
10. Klik Continue
11. Klik OK
Pearson Correlation
Sig. (1-tailed)
N
Model
1 Regession
Residual
Total
Model
1
Sum Of
Squares
78.251
11.249
89.500
Correlations
Penjualan
Biaya Iklan
Penjualan
Biaya iklan
Penjualan
Biaya Iklan
1.000
.935
.003
6
6
ANOVAb
df
Mean Square
1
4
5
.935
1.000
.003
6
6
Sig.
78.251 27.826
2.812
Model Summaryb
R
R Square Adjusted R Std. Error of the
Square
Estimate
a
.935
.874
.843
1.68
.006a
Contoh Soal :
Diketahui 2 kelompok data :
Kelompok data pertama : 7, 4, 10, 9, 15, 12, 12, 7, 9, 7
Kelompok data kedua : 8, 11, 4, 3, 2, 5, 10, 6, 4, 1, 10, 8, 12, 6, 5, 7
1. Simpangan rata-ratanya........ JAWAB :
Untuk kelompok data pertama
Urutan data : 4, 7, 7, 7, 9, 9, 10, 12, 12, 15
=
SR =
. 5,2 + 2,2 +2,2 + 2,2 + 0,2 + 0,2 + 0,8 + 2,8 + 2,8 + 5,8
. 24,4
= 2,44
Untuk kelompok data ke-dua
Urutan data : 1, 2, 3,4, 4, 5, 5, 6, 6, 7, 8, 8, 10, 10 , 11, 12
=
SR
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
. 5,375 +4,375 +3,375 +2,375 +2,375 +1,375 +1,375 +0,375 +0,375 +0,625 +1,625
+1,625 +3,625 +3,625 +4,625 +5,625
.42.75 = 2,67
2. Variansinya.. JAWAB :
Untuk kelompok data pertama
S2
)2
)2 +
)2 +
)2 +
)2 +
)2 +
)2 +
)2 +
)2
)2 +
)2
= . -5,22+ -2,22 +-2,22 + -2,22 + 0,22 + 0,22 + 0,82 + 2,82 + 2,82 + 5,82
= . 27,04 + 4.84 +4.84 + 4.84 + 0,04 + 0,04 + 0,64 + 7,84 + 7,84 + 33,64
= . 91,6
= 10, 178
)2
)2 +
)2 +
)2 +
)2
)2 +
)2 +
)2 +
)2 +
)2 +
)2 +
)2 +
)2
)2 +
)2
)2 +
)2
. 28,89 + 19,14 + 11,39 + 56,4 + 56,4 + 1,89 + 1,89 + 0,14 + 0,14 + 0,39 + 2,64 +
2,64 + 13.14 + 13.14 + 21,39 + 31,64
. 261,26 = 17,417
= 3,19
= 4,17
Letak Q1
Q1
)
)
= X3 + 0,5 ( X4 X3)
= 40 + 0,5 (45-40)
= 40 + 0,5 . 5
= 40 + 2,5
= 42,5
Letak Q3
Q3
)
)
JK = (Q3-Q1)
JK = (82,5 - 42,5)
= . 40
= 20
= Xmax - Xmin
= 12 1
= 11
. 5,375 + 4,375 + 3,375 + 2,375 + 2,375 + 1,375 + 1,375 + 0,375 +0,375 + 0,625 + 1,625 +
1,625 + 3,625 + 3,625 + 4,625 + 5,625
.42,75
= 2,67
Variansi (Variance)
S2
)2
)2 +
)2 +
)2 +
)2
)2 +
)2 +
)2 +
)2 +
)2 +
)2 +
)2 +
)2
)2 +
)2
)2 +
)2
. 28,89 + 19,14 + 11,39 + 56,4 + 56,4 + 1,89 + 1,89 + 0,14 + 0,14 + 0,39 + 2,64 +
2,64 + 13.14 + 13.14 + 21,39 + 31,64
. 261,26
= 17,417
= 4,17
Jangkauan Kuartil
Letak Qi
Letak Q1
Q1
)
)
= X4 + 0,25 ( X5 X4)
= 4 + 0,25 (4-4)
=4
)
Letak Q3 =
Q3
JK
= (Q3 - Q1)
JK
(10,5-4)
= . 6,5 = 3,25
Jangkauan Persentil
)
Pi
P10
= Letak =
= 1,7= 1 + 0,7
P10
= X1 + 0,7(X2-X1)
= 1 + 0,7 (2-1)
= 1 + 0,7
= 1,7
= Letak =
P90
= X15 + 0,3(X16-X15)
= 11 + 0,3 (12-11)
= 11 + 0,3
= 11,3
JP10-90
= P90 - P10
= 11,3-1,7
= 9,6
P90
= 15,3 = 15 + 0,3