ANALISIS REGRESI KORELASI

Analisis regresi mempelajari bentuk hubungan antara satu atau lebih

peubah/variabel 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). Polinom derajat tiga (Kubik) dan seterusnya. Disamping itu
bisa juga dalam bentuk lain misalnya eksponensial, logaritma, sigmoid
dan

sebagainya.

biasanya

Bentuk-bentuk

ini

dalam

dilakukan transformasi supaya

analisis

menjadi

regresi-korelasi

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 adalah koefisien arah atau koefisien beta.
Dalam pengertian fungsi persamaan garis Y + a + bx hanya ada satu
yang dapat dibentuk dari dua buah titik dengan koordinat yang berbeda
yaitu ( X1, 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:

Persamaan Garis Regresi

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

Persamaan Garis Linear

Dalam bentuk matrik bisa kita buat persaman sebagai berikut:

Matrix Regresi Linear

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 matriks dapat ditulis sebagai berikut:

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

Jika

diasumsikan

E()

maka

E(Y)

Bila modelnya benar merupakan penduga terbaik yaitu dengan jalan

melakukan penggandaan 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 dengan 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.

Dari data diatas kita bisa menghitung:

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 bukanlah satu-satunya
garis penduga untuk menyatakan hubungan antara jumlah cacing dengan
jumlah

telurnya.

persamaan

Sudah

penduga

barang

yang

tentu

dapat
2
i

masih

dibuat
1
i

persamaan

Yi=o+1Xi+2X ,Yi=oX (dalam

o+iLnXi)

dan

masih

banyak

lagi

banyak

misalnya
bentuk
bentuk

lagi

bentuk

dalam

bentuk

linear

LnYi=Ln

yang

lainnya.

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 (korelasi) untuk menyatakan ketepatan dan
ketelitian persamaan garis regresi yang diperoleh.