ANALISIS REGRESI KORELASI

ANALISIS REGRESI KORELASI

Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas (X) dengan satu peubah
tak bebas (Y). dalam penelitian peubah bebas ( X) biasanya peubah yang ditentukan oleh peneliti secara
bebas misalnya dosis obat, lama penyimpanan, kadar zat pengawet, umur ternak dan sebagainya.
Disamping itu peubah bebas bisa juga berupa peubah tak bebasnya, misalnya dalam pengukuran panjang
badan dan berat badan sapi, karena panjang badan lebih mudah diukur maka panjang badan dimasukkan
kedalam peubah bebas (X), sedangkan berat badan dimasukkan peubah tak bebas (Y). sedangkan peubah
tak bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah bebas (X). misalnya
jumlah sel darah merah akibat pengobatan dengan dosis tertentu, jumlah mikroba daging setelah disimpan
beberapa hari, berat ayam pada umur tertentu dan sebagainya.
Bentuk hubungan antara peubah bebas (X) dengan peubah tak bebas (Y) bisa dalam bentuk polinom
derajat satu (linear) polinom derajat dua (kuadratik). Polinim derajat tiga (Kubik) dan seterusnya.
Disamping itu bisa juga dalam bentuk lain misalnya eksponensial,logaritma,sigmoid dan sebagainya.
Bentuk-bentuk ini dalam analisis regresi-korelasi biasanya ditransformasi supaya menjadi bentuk polinom.

Dalam bentuk yang paling sederhana yaitu satu peubah bebas (X) dengan satu peubah tak bebas (Y)
mempunyai persamaan :
Y =a +bx
Disini a disebut intersep dan b koefisien arah
Dalam pengertian fungsi persamaan garis Y + a + bx hanya ada satu yang dapat dibentuk dari dua
buah titik dengan koordinat yang berbeda yaitu ( X 1, Y1) dan X2,Y2). Hal ini berarti kita bisa membuat banyak
sekali persamaan garis dalam bentuk lain melalui dua buat titik yang berbeda koordinatnya/tidak berimpit.

Persamaan garis melalui dua buah titik dirumuskan sebagai berikut:

Sebagai contoh misalnya titik A (1,3) dan titik B ($,9) maka persamaan gais linear yang dapat dibuat
adalah:

Dalam bentuk matrik bisa kita buat persaman sebagai berikut:

Jadi a=1 dan b=2 sehingga persamaannya Y=1 +2X

Jika jumlah data sebanyak n maka persamaannya sebagai berikut:

disini o adalah penduga a, 1 adlah penduga b dan i merupakan besarnya simpangan persamaan garis
penduga. Semakin kecil nilai i persamaan regresi yang diperoleh akan semakin baik.
Jadi kita dapat menuliskan pengamatan kita menjadi:

Dengan notasi matrik dapat ditulis sebagi berikut:

Jadi kita peroleh matrik Y,X, dan dengan dimensi sebagi berikut :

Jika diasumsikan E() = 0 maka E(Y) = X

Bila modelnya benar merupakan enduga terbaik yaitu dengan jalan melakukan penggadaaan awal
dengan X sehingga diperoleh persamaan normal sebagai berikut:

Jadi =(XX)-1XY
Disini(XX)-1 adalah kebalikan (inverse)dari matrik XX

Contoh :

Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis tertentu denagn jumlah
telurnya pada usus ayam buras. Untuk tujuan tersebut diperiksa 20 ekor ayam dan ditemukan sebagai
berikut :
Tabel 1 jumlah cacing dan jumlah telurnya pada usus ayam buras am buras.

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Total
rataan

Jumlah Cacing ( Xi)

12
14
13
12
15
16
13
11
10
11
12
13
17
19
13
11
16
12
14
15
269
13,45

Dari data diatas kita bisa menghitung:

Jumlah telurnya (Yi)

45
50
51
43
61
62
50
43
40
44
48
52
70
76
53
43
60
48
53
63
1055
52,75

Bila kita duga bentuk hubungan antara jumlah cacing (X)dan jumlah telurnya (Y) adalah:

Jadi =-2,442 + 4,103 Xi,

Persamaan garis regresi Yi =-2,442 + 4,103 Xi
hubungan antara jumlah cacing dengan jumlah
persamaan
penduga
yang
dapat
Yi=o+1Xi+2Xi2,Yi=oXi1 ( dalam bentuk linear
lainnya

bukanlah satu-satunya garis penduga untuk menyatakan

telurnya. Sudah barang tentu masih banyak lagi bentuk
dibuat
misalnya
dalam
bentuk
persamaan
LnYi=Ln o+iLnXi) dan masih banyak lagi bentuk yang

Untuk menyatakan apakah garis yang diperoleh cukup baik untuk menggambarkan hubungan
antara peubah bebas (X) dengan peubah tak bebas(Y) dapat dilakukan pengujian bentuk model
yang digunakan dan keeratan hubungannya (korelasinya) untuk menyatakan ketepatan dan
ketelitian persamaan garis regresi yang diperoleh.
Agar anda memahami artikel ini, pelajari juga tentang Uji F dan Uji T: "Uji F dan Uji T"
Pelajari juga: Interprestasi Regresi Linear Berganda dengan Minitab

P O S T E D B Y A N W A R H I D A Y AT A T 1 0 . 1 8
K I R I M K A N I N I L E W AT E M A I L B L O G T H I S ! B E R B A G I K E T W I T T E R B E R B A G I K E F A C E B O O K