REGRESI DAN KORELASI

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.

Langkah menentukan persamaan hubungan Antara vriabel,

1. Mengumpulkan data dari variabel yang dibutuhkan misalnya X sebagai variabel bebas
dan Y sebagai variabel tidak bebas.
2. Menggambarkan titik-titik pasangan (x,y) dalam sebuah sistem koordinat bidang. Hasil
dari gambar itu disebut SCATTER DIAGRAM (Diagram Pencar/Tebaran) dimana dapat
dibayangkan bentuk kurva halus yang sesuai dengan data.
3. Dari diagaram pencar dapat ditarik suatu garis menggambarkan nilai rata-rata y terhadap
x, sehingga diperoleh persamaan garis regresi.
Fungsi Diagram Pencar
1. Membantu Menunjukan apakah terdapat hubungan yang bermanfaat antara dua variabel.
2. Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara kedua
variabel tersebut.

3. Menentukan persamaan garis regresi atau mencari nilai-nilai konstan.

Gambar Scatter Diagram

Gambar Scratter Diagram dengan Garis lengkung

Gambar Scatter Diagram dengan garis Linear

Biasanya yang sering digunakan dan mudah untuk perhitungan, digunakan persamaan garis
linear dari Scatter Diagram dengan garis lurus seperti di atas.
Analisa Regresi Sederhana

 Persamaan garis regresi linier sederhana untuk sampel : y = a + bx , yang diperoleh

dengan menggunakan Metode Kuadrat Terkecil.
Bila diberikan data sampel {(xi, yi); i = 1, 2, , n} maka nilai dugaan kuadrat terkecil
bagi parameter dalam garis regresi : y = a + bx
Dimana :
y = rata-rata populasi Y terhadap X
A = jarak antara 0 dengan sumbu Y
Bx = Koefesien regresi / kemiringan
Dapat diperoleh dari rumus sebagai berikut :
b

= 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

Analisa Korelasi Sederhana

ANALISA KORELASI digunakan untuk mengukur kekuatan

keeratan hubungan antara dua variabel melalui sebuah bilangan yang disebut koefisien korelasi.

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.

Jika b positif maka r postif sedangkan jika b negatif maka r negatif.

Nilai r terletak dari 1 sampai +1 atau ditulis 1 r +1

Bila r mendekati +1 dan 1 maka terjadi korelasi tinggi dan terjadi hubungan linier yang
sempurna antara X dan Y.
Bila r mendekati 0 hubungan liniernya sangat lemah atau tidak ada.
Misalnya:

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 ).

e). Koefisien Determinasi (r2).

Sebuah penelitian dilakukan oleh seorang pedagang eceran untuk menentukan hubungan antara
biaya pemasangan iklan per minggu dan hasil penjualannya. Data yang diperoleh adalah sebagai
berikut :
a). Buatlah diagram pencarnya.
b). Tentukan persamaan regresinya.
c). Perkirakanlah besarnya penjualan mingguan jika pengeluaran untuk iklan sebesar 35.
d). Koefisien korelasi (r )
e). Koefisien determinasi (r2).
Biaya Iklan
Penjualan

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

Korelasi (dengan excel 2013) Langkah-langkahnya:

1. Pilih Data pada menu utama
2. Pilih Data analysis
3. Pilih Correlation
4. Klik OK
Setelah muncul kotak dialog
Pada Input Range, sorot pada range A2:B7
Pada Output Range, ketik D2
Klik OK
Nilai koefisien korelasi ( r2 ) antara variabel X dan Y adalah 0,93505

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

a. Predictors: (Constant), biaya iklan

b. Dependent Variable: penjualan

.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

Untuk kelompok data ke-dua

S2

)2
)2 +

)2 +

)2 +

)2

)2 +
)2 +
)2 +

)2 +
)2 +
)2 +

)2 +

)2

)2 +

)2

)2 +

)2

. -5,3752 + -4,3752 + -3,3752 + -2,3752 + -2,3752 + -1,3752 + -1,3752 +0,3752 +0,3752

+0,6252 +1,6252 +1,6252 +3,6252 +3,6252 +4,6252 +5,6252

. 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. Standard deviasinya. JAWAB :

Untuk kelompok data pertama
S=

= 3,19

Untuk kelompok data ke-dua

S=

= 4,17

Diketahui data sebagai berikut :

30, 50, 45, 55, 40, 65, 70, 60, 80, 35, 85, 95,100
1. Nilai Q1 JAWAB :
Urutan data : 30, 35, 40, 45, 50, 55, 60, 65, 70, 80, 85, 95, 100
Letak Qi

Letak Q1

Q1

)
)

= X3 + 0,5 ( X4 X3)
= 40 + 0,5 (45-40)
= 40 + 0,5 . 5
= 40 + 2,5
= 42,5

2. Jangkauan kuartilnya. JAWAB :

Letak Qi

Letak Q3

Q3

)
)

= X10 + 0,5 ( X11 X10)

= 80 + 0,5 (85-80)
= 80 + 0,5 . 5
= 80 + 2,5
= 82,5

JK = (Q3-Q1)
JK = (82,5 - 42,5)
= . 40
= 20

Diketahui data sebagai berikut : 8, 11, 4, 3, 2, 5, 10, 6, 4, 1, 10, 8, 12, 6, 5, 7

Tentukan ukuran penyimpangan
Urutan data : 1, 2, 3,4, 4, 5, 5, 6, 6, 7, 8, 8, 10, 10 , 11, 12
Jangkauan (Range)
R

= Xmax - Xmin
= 12 1
= 11

Simpangan Rata-rata (Mean Deviation)

=
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

Variansi (Variance)
S2

)2
)2 +

)2 +

)2 +

)2

)2 +
)2 +
)2 +

)2 +
)2 +
)2 +

)2 +

)2

)2 +

)2

)2 +

)2

. -5,3752 + -4,3752 + -3,3752 + -2,3752 + -2,3752 + -1,3752 + -1,3752 +0,3752 +0,3752

+0,6252 +1,6252 +1,6252 +3,6252 +3,6252 +4,6252 +5,6252

. 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

Simpangan baku (Standard Deviation)

S=

= 4,17

Jangkauan Kuartil
Letak Qi

Letak Q1

Q1

)
)

= X4 + 0,25 ( X5 X4)
= 4 + 0,25 (4-4)
=4
)

Letak Q3 =
Q3

= X12 + 0,75 ( X13 X12)

= 12 + 0,75 (10-8)
= 12 + 0,75 . 2
= 12 1.5
= 10,5

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