TUGAS BESAR

STATISTIKA DASAR
REGRESI DAN KORELASI LINEAR SEDERHANA

DISUSUN OLEH :
KELOMPOK II
1.
2.
3.

Dicky Maryand
Ika Desmawita
Vivi Indah

7. Muhammad Ramadhan
8. Shobi Wafi Muslih
9. Sadam Husein

Pancarani
4.
Triliyani Utami
5.
Sahrul

10. Media Arifandi

11. Andriko

Ramadhana
6.
Muhammad

12. Novia Afrizal

Divo

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2014

Kata Pengantar

Puji syukur kami ucapkan kepada Tuhan Yang Maha Esa karena berkat limpahan
Rahmat-Nyalah kami dapat menyelesaikan tugas makalah Statistika Dasar ini

mengenai

Regresi dan Korelasi Linear Sederhana.Adapun tujuan pembuatan makalah ini yaitu sebagai
salah satu syarat untuk memenuhi tugas besar mata kuliah Statistika Dasar Semester III pada
Jurusan Teknik Pertambangan Fakultas Teknik Universitas Negeri Padang ta.2014/2015.
Ucapan terima kasih kami sampaikan atas bantuan semua pihak, baik yang berperan secara
langsung maupun tidak langsung dalam proses pembuatan dan penyusunan makalah ini
sehingga dapat terselesaikan tepat pada waktunya.
Selain itu, penulis juga mengharapkan kritik dan saran yang membangun demi perbaikan
kedepannya. Demikianlah, semoga makalah ini dapat bermanfaat. Aamiin..

Padang, Desember 2014

Penyusun

Kelompok II

Daftar Isi

Halaman Depan................................................................................................
Kata Pengantar..
Daftar Isi
Bab I Pendahuluan.....................
Bab II Pembahasan........
Bab III Penutup..
Daftar Pustaka

BAB I

Pendahuluan
I.

Latar Belakang
Dunia pertambangan merupakan salah satu pekerjaan yang tidak terlepas dengan hal-hal
yang berkaitan dengan pengambilan, pengolahan serta penyajiannya data sehingga diperoleh
sebuah keputusan yang baik. Karena itulah, mahasiswa pertambangan perlu mempelajari mata
kuliah Statistika Dasar. Di mata kuliah ini, dipelajari cara pengumpulan, penyajian dan analisa
data serta cara pengambilan kesimpulan berdasarkan hasil penelitian.

Dari beberapa materi yang dipelajari dalam mata kuliah Statistika Dasar, kami sebagai
kelompok II mendapat tugas dari Bapak Adree Octova,S.Si.,M.T selaku dosen mata kuliah
Statistika Dasar untuk membuat makalah serta powerpoint mengenai materi Korelasi dan
Regresi Linier Sederhana

Untuk itulah, kami membuat makalah beserta powerpoint mengenai Korelasi dan Regresi
Linier Sederhana guna melengkapi tugas yang diberikan.

II. Rumusan Masalah

a. Bagaimana hubungan antarvariabel dan persamaan garis pada
b.
c.
d.
e.
f.

regresi linear

sederhana?
Bagaimana menentukan pendugaan dan pengujian koefisien regresi?
Bagaimana cara menentukan peramalan (prediksi)?
Bagaimana pengertian dan jenis-jenis koefisien relasi linear sederhana?
Bagaimana hubungan koefisien korelasi dengan koefisien regresi?
Bagaimana menentukan pendugaan dan pengujian hipotesis koefisien korelasi
populasi ( )?

g. Bagaimana persamaan ,koefisien , dan kesalahan baku dari regresi dan korelasi data
berkelompok?

III.

Tujuan Penulisan
a. Untuk mengetahui hubungan antarvariabel dan persamaan garis pada regresi linear sederhana.

b.
c.
d.
e.
f.

Untuk mengetahui cara menentukan pendugaan dan pengujian koefisien regresi.

Untuk dapat menentukan peramalan (prediksi).
Untuk mengetahui pengertian dan jenis-jenis koefisien relasi linear sederhana.
Untuk mengetahui hubungan koefisien korelasi dengan koefisien regresi.

Untuk dapat menentukan pendugaan dan pengujian hipotesis koefisien korelasi populasi (

).
g. Untuk mengetahui persamaan ,koefisien , dan kesalahan baku dari regresi dan korelasi data
berkelompok.
IV.

Manfaat Penulisan
1. Bagi penulis : Memperdalam wawasan dan pengetahuan mengenai materi
korelasi linear sederhana .

regresi dan

2. Bagi Mahasiswa/pelajar : Sebagai sumber/literature dalam memperdalam materi statistika

dasar.

BAB II
Pembahasan

REGRESI DAN KORELASI LINEAR SEDERHANA

A. REGRESI LINEAR SEDERHANA

1. Hubungan Antarvariabel
Hubungan antarvariabel dapat berupa hubungan linear ataupun hubungan tidak
linear. Hubungan-hubungan itu bila dinyatakan dalam bentuk matematik akan
memberikan persamaan-persamaan tertentu.
Untuk dua variabel, hubungan linearnya dapat dinyatakan dalam bentuk
persamaan linear, yaitu:
Y = a + bX
Keterangan:
Y,X
= variabel
a,b
= bilangan konstan (konstanta)
Hubungan antara dua variabel pada persamaan linear jika digambarkan secara
grafis (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus.
Dalam ilmu ekonomi, garis itu disebut garis regresi.
Karena antara Y dan X memiliki hubungan, maka nilai X dapat digunakan untuk
menduga atau meramal nilai Y. Dalam hal ini, X disebut variabel bebas, yaitu variabel
yang nilai-nilainya tidak bergantung pada variabel lain dan Y disebut variabel terikat,
yaitu variabel yang nilai-nilainya bergantung pada variabel lain.
Hubungan antara variabel yang akan dipelajari disini hanyalah hubungan linear
sederhana, yaitu hubungan yang hanya melibatkan dua variabel ( X dan Y ) dan
berpangkat satu.
2. Persamaan Garis Regresi Linear Sederhana
Regresi yang berarti peramalan, penafsiran, atau pendugaan pertama kali
diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan
dengan penelitiannya terhadap tinggi manusia. Penelitian tersebut membandingkan
tinggi anak laki-laki dengan tinggi ayahnya.
Analisis regresi juga digunakan untuk menentukan bentuk (dari) hubungan
antarvariabel. Tujuan utama dalam penggunaan analisis itu adalah untuk meramalkan
atau mnemperkirakan nilai dari satu variabel dalam hubungannya dengan variabel
yang lain yang diketahui melalui persamaan garis regresinya.
Untuk populasi, persamaan garis regresi linear sederhananya dapat dinyatakan
dalam bentuk:
yx= A + BX
keterangan:
yx
= rata-rata Y bagi X tertentu

A, B

= konstanta atau parameter atau koefisien regresi populasi

Karena populasi jarang diamati secara langsung, maka digunakan persamaan

regresi linear sederhana sampel sebagai penduga persamaan regresi linear sederhana
populasi. Bentuk persamaannya adalah:
= a + bX
Keterangan:

= penduga bagi yx
= variabel terikat ( variabel yang diduga )
X
= variabel bebas ( variabel yang diketahui )
a,b
= penduga parameter A dan B
= koefisien regresi sampel
a
= intersep ( nilai Y, bila X = 0 )
b
= slop ( kemiringan garis regresi)
Persamaan Y = a + bX memberikan arti nilai jika variabel X mengeluarkan satu
satuan maka variabel Y akan mengalami peningkatan atau penurunan sebesar 1 X b.
Untuk membuat peramalan, penafsiran, atau pendugaan dengan persamaan
regresi, maka nilai a dan b harus ditentukan terlebih dahulu. Dengan metode kodrat
terkecil ( leastsquare ), nilai a dan b dapat ditentukan dengan rumus berikut.

XY n . X .Y
2
2
X n X

xb . x

B. REGRESI DAN PENGUJIAN KOEFISIEN REGRESI

1. Kesalahan Baku Regresi dan koefisien Regresi Sederhana
Kesalahan baku atau selisih taksir standar merupakan indeks yang digunakan
untuk mengukur tingkat ketepatan regresi (pendugaan) dan koefisien regresi atau
mengukur variasi titik-titik observasi di sekitar garis regresi. Dengan kesalahan
baku,seberapa jauh melesetnya perkiraan kita dalam meramal data dapat diketahui.
Apabila semua titik observasi berada tepat pada garis regresi maka kesalahan baku
akan bernilai sama dengan nol. Hal itu berarti perkiraan yang kita lakukan terhadap
data sesuai dengan data yang sebenarnya.
Berikut ini rumus-rumus yang secara langsung digunakan untuk menghitung
kesalahan baku regresi dan koefisien regresi.
a. Untuk regresi, kesalahan bakunya dirumuskan:

Se =

Y 2a . Y b . XY
n2

b. Untuk koefisien a (penduga a), kesalahan bakunya dirumuskan:

Sa =

X 2Se
n . X 2 ( X ) 2

c. Untuk koefisien regresi b (penduga b), kesalahan bakunya dirumuskan:

Sb =

Se
2

( X )
X
n
2

2. Pendugaan Interval Koefisien Regresi ( Parameter A dan B )

Pendugaan interval bagi parameter A dan B menggunakan distribusi t dengan
derajat kebebasan (db) = n 2
a. Pendugaan interval untuk parameter A
Untuk parameter A, pendugaan intervalnya dirumuskan:

P(a-t/2;n-2 Sa < A < a + t/2;n -2 Sa) = 1

Atau dalam bentuk sederhana:

a t/2;n-2 Sa < A < a + t/2;n-2 Sa

Artinya: dengan interval keyakinan 1 dalam jangka panjang, jika sampel
diulang-ulang, 1 kasus pada interval a t/2;n-2 Sa sampai interval a + t/2;n-2 Sa
akan berisi A yang benar.
b. Pendugaan interval untuk parameter B
Untuk parameter B, pendugaan intervalnya dirumuskan:

P(b-t/2;n-2 Sb < B < b + t/2;n -2 Sb) = 1

Atau dalam bentu sederhana:

b t/2;n-2 Sb < B < b + t/2;n-2 Sb

artinya: dengan interval keyakinan 1 dalam jangka panjang, jika sampel
diulang-ulang, 1 kasus pada interval b t /2;n-2 Sb sampai interval b + t/2;n-2 Sb
akan berisi B yang benar.
3. Pengujian Hipotesis Koefisien Regresi ( Parameter A dan B )
Pengujian hipotesis bagi parameter A dan B menggunakan uji t, dengan langkahlangkah pengujian sebagai berikut:
a. Menentukan formulasi hipotesis
1) Untuk parameter A
H0 : A = A0
H1 : A > A0
A < A0
A A0
2) Untuk parameter B
H0 : B = B0, B0 mewakili nilai B tertentu, sesuai hipotesisnya
H1 : B > B0, jika B0 > 0, berarti pengaruh X terhadap Y adalah positif
B < B0, jika B0 < 0, berarti pengaruh X terhadap Y adalah negatif
A A0, jika B0 0, berarti X mempengaruhi Y
b. Menentukan taraf nyata () dan nilai t tabel
Tabel nyata dan nilai t tabel ditentukan dengan derajat bebas (db) = n 2
c. Menentukan kriteria pengujian
1) H0 diterima apabila t0 t
H0 ditolak apabila t0 > t
2) H0 diterima apabila t0 -t
H0 ditolak apabila t0 < -t
3) H0 diterima apabila -t/2 -t0 t/2
H0 ditolak apabila t0 < -t/2 atau t0 > t/2
d. Menentukan nilai uji statistik
1) Untuk parameter A
a A b
t0 = S a
2) Untuk parameter B
aBb
t 0 = Sb
e. Membuat kesimpulan
Menyimpulkan apakah H0 diterima atau ditolak
C. PERAMALAN (PREDIKSI)

 sebagai penduga memiliki nilai yang mungkin sama atau tidak sama dengan nilai
sebenarnya. Untuk membuat sebagai penduga yang dapat dipercaya, maka dibuat pendugaan
bagi Y dengan menggunaka penduga itu senditi. Dengan demikian , sebagai penduga dapat
digunakan sebagai peramalan atau prediksi.
Ada tiga bentuk peramalan sehubungan dengan penduga tersebut, yaitu sebagai
berikut.
1. Peramalan Tunggal
Peramalan tunggal atau prediksi titik dirumuskan:
= a + bX
2. Peramalan Interval Individu
Peramalan interval individu atau prediksi interval bagi Y dirumuskna :

=Xo
ta/2S(-Y0) Yo + ta/2-2 S( Y0)
Yo = nilai untuk X
x

S(Yo-yo) =
X

1 ( X X )
1+ +

n
Se
3. Peramalan Interval Rata-Rata
Peramalan interval rata-rata atau prediksi interval bagi E(Y) dirumuskan:

1 ( X X )
+

n
S =Se

ta/2-2S E(Y) + ta/2-2 S( Y0)S

D. KOEFISIEN KORELASI LINEAR SEDERHANA

1. Pengertian Koefisien Korelasi (KK)
Koefisien korelasi merupakan indeks atau bilangan yang digunakan untuk
mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel.
Koefisien korelasi ini memiliki nilai antara -1 dan +1 ( -1 KK +1 )
a. Jika KK bernilai positif, maka variabel-variabel berkorelasi positif. Semakain
dekat nilai KK ini ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
b. Jika kk bernilai negative, mak variabel-variabel berkorelasi negarif. Semakin
dekat nilai KK ini ke -1 semakin kuat korelasinya, demikian pula sebaliknya.
c. Jika kk bernilai 0, maka variabel-variabel tidak menunjukkan korelasi.
d. Jika KK bernilai +1 atau -1, maka variabel menunjukkan korelasi positif atau
negative yang sempurna.
Untuk menentukan keeratan hubungan/korelasi antarvariabel tersebut, berikut ini
diberikan nilai-nilai dari KK sebagai patokan.
-

KK = 0, tidak ada korelasi

0 < KK 0.20, korelasi sangat rendah/lemah sekali.
0.20 < KK 0.40, korelasi rendah/lemah tapi pasti.
0.40 < KK 0.70, korelasi yang cukup berarti.
0.70 < KK 0.90, korelasi yamh tinggi; kuat
0.90 < KK 1.00, korelasi sangat tinggi, kuat sekali, dapat diandalkan.
KK = 1, korelasi sempurna

2. Jenis-Jenis Koefisien Korelasi

Jenis-jenis koefisien korelasi yang sering digunakan adalah koefisien korelasi
Pearson, koefisien korelasi Rank Spearman, Koefisien Kontingensi dam koefisien
penentu (KP).
a. Koefisien Korelasi Pearson
Koefisien korelasi ini digunakan untuk mengukut keeratan hubungan antara
data variabel yang datanya berbentuk data interval ata rasio. Disimbolkan
dengan rdan dirumuskan :

X
Y

Y
n
n X ( )

n XY X Y
r=

Nilai dari koefisien korelasi (r) terletak antara -1 dan +1 ( -1 r +1 )

Jika r = +1, terjadi korelasi positif sempurna antara variabel X dan Y.
Jika r= -1, terjadi korelasi negative sempurna antara variabel X dan Y.
Jika r = 0, tidak terdapat korelasi antara variabel X dan Y.
Jika 0 < r < +1, terjadi korelasi positif antara variabel X dan Y.
Jika -1 < r < 0, terjadi korelasi negative antara variabel X dan Y.

1.
2.
3.
4.
5.

b. Koefisien Korelasi Rank Spearman

Koefisien korelasi ini digunakan untuk mengukut keeratan hubungan antara
dua variabel yang datanya berbentuk data ordinal (data bertingkat).
Disimbolkan dengan rsdan dirumuskan
rs=1

6d
3
n n

Keterangan:
d = selisih ranking X dan Y
n = banyaknya pasangan data

c. Koefisien Korelasi Kontingensi

Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan antara
dua variabel yang datanya berbentuk data nominal (data kualitatif).
Disimbolkan dengan C dan dirumuskan:
x
C=
x +n

Keterangan:

X2= kali kuadrat

n = jumlah semua frekuensi
d. Koefisien Penentu (KP) atau Koefisien Determinasi (R)
Apabila koefisien korelasi dikuadratkan akan menjadi koefisien penentu (KP)
atau koefisien determinasi, yang artinya penyebab perubahan pada variabel Y
yang datang dari variabel X, sebesar kuadrat koefisien korelasinya. Koefisien
penentu ini menjelaskan besarnya pengaruh nilai suatu variabel (variabel X)
terhadap naik/turunnya (variasi) nilai variabel lainnya (variabel Y).
Dirumuskan:
KP=R= ( KK ) x 100
Keterangan: KK2 = koefisien korelasi
Nilai koefisien penentu ini terletak antara 0 dan +1 ( 0 KP +1). Jika
koefisien korelasinya adalah koefisien korelasi Pearson (r), maka koefisien
penentunya adalah:
KP=R= ( r ) x 100
Dalam bentuk rumus, koefisien penentu (KP) dituliskan:
( n )( Y )( Y )
[ ( n )( X )( X ) ]
( n ) ( XY )( X )(Y )
KP=

E. HUBUNGAN KOEFISIEN KORELASI DENGAN KOEFISIEN REGRESI

Antara koefisein korelasi (r) dan koefisien regresi (b), terdapat hubungan.
Hubungan tersebut dalam bentuk rumus dituliskan:
b . Sx
r=
Sy

Sx=

( X )
1
( X )
n
n

Sy =

( Y )
1
( Y )
n
n

F. PENDUGAAN DAN PENGUJIAN HIPOTESISI KOEFISIEN KORELASI

POPULASI ()

Koefisien korelasi populasi dari variabel X dan Y yang keduanya merupakan

variabel random dan memiliki distribusi bivariat, dirumuskan:
Cov ( X ,Y ) xy
=
=
xy
xy
Cov ( X , y )=xy =E ( XY )E ( X ) . E(Y )

x= E ( Xx )
y= E ( Y y )

Dalam prakteknya, koefisien korelasi populasi ( ) tidak diketahuii, namun dapat

diduga dengan koefisien korelasi sampel (r). Dengam demikian,r merupakan penduga
dari .
1.Pendugaan Koefisien Korelasi Populasi
Pendugaan Koefisien korelasi populasi (interval keyakinan ) menggunakan distribusi Z.
Pendugaannya dapat dilakukan terlebih dahulu mengubah koefisien korelasi sampel r menjadi
nilai Zr ,yang dalam bentuk persamaan dituliskan :
1 1+ r
ln
Zr = 2 1r
Variabel Zr akan mendekati distribusi normal dengan rata-rata dan varians sebagai
berikut:
Zr =

Zr =

1 1+
ln
2 1

1
n3

dan Zr =

1
n3

Untuk Zr , pendugaan intervalnya secara umum dirumuskan :

P (Zr

Z/2 Zr Zr Zr + Z/2 Zr) = 1

Atau :
Zr

Z/2 Zr Zr Zr + Z/2 Zr

Dengan melakukan transformasi nilai Zr , maka diperoleh pendugaan interval bagi

koefisien korelasi populasi () dengan tingkat keyakinan 1 .
Selain menggunakan pendugaan interval Zr , pendugaan interval bagi koefisien korelasi
populasi () dapat pula dibuat dengan menggunakan tabel hubungan antara Zr dan r.
2.Pengujian Hipotesis Koefisien Korelasi Populasi ()
a.

Untuk Asumsi = 0
Pengujian Hipotesis dengan asumsi = 0 menggunakan distribusi t sebagai uji

statistiknya .Prosedur pengujiannya ialah sebagai berikut .

1) Menentukan formulasi hipotesis
H0 : = 0 (tidak ada hubungan antara X dan Y)
H1 : > 0 (ada hubungan positif)
< 0 (ada hubungan negatif)
0 (ada hubungan )
2) Menentukan taraf nyata () beserta t tabel, dengan derajat bebas (db) = n 2
t;n2 = atau t/2;n2 =
3) Menentukan kriteria pengujian
a) Untuk H0 : = 0 dan H1 : > 0 :
(1) H0 diterima jika t0 t ,
(2) H0 diterima jika t0 > t ,
b) Untuk H0 : = 0 dan H1 : < 0 :
(1) H0 diterima jika t0 t,
(2) H0 ditolak jika t0 < t.
c) Untuk H0 : = 0 dan H1 : 0 :
(1) H0 diterima jika t/2 t0 t/2
(2) H0 ditolak jika t0 > t/2 atau t0 < t/2 .
4) Menentukan nilai uji statistic

t0 =

r n2
1r 2

5) Membuat Kesimpulan
Menyimpulkan H0 diterima atau ditolak.
(Sesuai dengan criteria pengujian).
b. Untuk Asumsi 0
Pengujian hipotesis dengan asumsi 0 menggunakan distribusi Z sebagai uji
statistiknya.Prosedur pengujiannya ialah sebagai berikut .
1) Menentukan folmulasi hipotesis
H0 : = 0 (0 mewakili nilai tertentu)
H1 : > 0 (0 lebih besar dari nilai tertentu)

 < 0 (0 lebih kecil dari nilai tertentu)

0 (0 tidak sama dengan nilai tertentu)

(2)

2) Menentukan taraf nyata () dan nilai Z tabel

Z = atau Z/2 =
3) Menentukan criteria pengujian
a) Untuk H0 : = 0 dan > 0 :
(1) H0 diterima jika Z0 Z ,
(2) H0 ditolak jika Z0 > Z .
b) Untuk H0 : = 0 dan < 0 :
(1) H0 diterima jika Z0 Z ,
H0 ditolak jika Z0 < Z.
c) Untuk H0 : = 0 dan 0 :
(1)
H0 diterima jika Z/2 Z0 Z/2 ,
(2)
H0 ditolak jika Z0 > Z/2 atau Z0 < Z/2 .

4) Menentukan nilai uji statistik

Z r Z r
Z0 =
Zr
5) Membuat kesimpulan :
Menyimpulkan H0 diterima atau ditolak .
(Sesuai dengan criteria pengujian).

G.REGRESI DAN KORELASI LINEAR DATA BERKELOMPOK

1. Regresi Linear Data Berkelompok
Untuk datayang tersusun dalam distribusi frekuensi bivariabel (data berkelompok dengan
dua variable) , persamaan regresi linearnya berbentuk :
Y^

= a + bX

dengan
b=

n. fu X fu Y ( f X u X ) ( f Y uY ) i Y
.
2
2
iX
n . f X ( u X ) ( f X u X )

^
a= Y

b X

MX+

f X u X
. iX
n

MY+

f Y u Y
.i Y
n

Keterangan :
M = rata- rata hitung sementara , biasanya diambil titik tengah dengan frekuensi
terbesar

2.

iX

= interval kelas X

iY

= interval kelas Y

f X

= frekuensi kelas X

f Y

= frekuensi kelas Y

Koefisien Korelasi Linear Data Berkelompok

Untuk data yang tersusun dalam distribusi frekuensi bivariabel, koefisien korelasinya
dirumuskan :
n . fu X fuY ( f X u X )( f Y uY )

r=

3.

( n . f

2
2
2
2
( u X ) ( f X u X ) )( n . f Y ( uY ) ( f Y uY ) )

Kesalahan Baku Regresi Data Berkelompok

Untuk data berkelompok bivariabel , kesalahan baku regresinya dirumuskan :
S XY

2
= S Y 1r

BAB III
Penutup
A. Kesimpulan
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (Measures of association). Teknik ini berguna untuk
mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)

dengan skala-skala tertentu.

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.

Regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain.Dalam analisis regresi ,variabel yang
mempengaruhi disebut independent variabel (variable bebas) dan variabel yang
dipengaruhi disebut dependent variabel (variabel terikat).

Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variable
independent. Koefisien ini diperoleh dengan cara memprediksi nilai variable

dependen dengan suatu persamaan.

Analisis regresi sederhana hanya terdiri atas satu peubah bebas (X) dan satu peubah

terikat (Y) dengan hubungan linier.

Perhitungan dengan analisis regresi dan korelasi linier sederhana dapat
digunakan untuk menduga garis populasi .Perhitungan ini merupakan persoalan
estimasi uji inferensi dalam regresi. Garis regresi penduga ini dapat dipergunakan
untuk meramal (prediksi) rentang rata-rata nilai Y pada saat nilai X diketahui,
demikian juga rentang nilai-nilai Y pada saat nilai tertentu dari X.

B. Saran
Sepanjang sejarah umat manusia senantiasa melakukan penelitian tentang ada
tidaknya hubungan antara dua hal,fenomena,kejadian atau lainnya serta ada tidaknya
pengaruh antara satu kejadian dengan kejadian yang lainnya. Karena itu, untuk
mempermudah dalam melakukan penghitungan suatu kejadian maka salah satu metode
statistika yang digunakan yaitu analisis regresi dan korelasi linear sederhana.
Daftar Pustaka

Hasan.Iqbal.2001.Pokok-Pokok Materi Statistik 2.Jakarta:Bumi Aksara.