REGRESI DAN KORELASI LINEAR SEDERHANA

A. REGRESI
1. Pengertian
Regresi adalah bentuk hubungan antara peubah respon dan peubah prediktor. Regresi
yang akan dibahas, yaitu regresi linear atau lebih dikenal dengan regresi sederhana atau
lengkapnya regresi linear sederhana untuk peubah respon dan prediktor yang hargaharganya kuantitatif maupun kualitatif.
2. Regresi Linear Y atas X
Lambang Y untuk menyatakan peubah respon sedangkan lambang X untuk menyatakan
peubah prediktor. Karena antara respon Y sebenarnya dan respon yang diperoleh dari
regresi pada umumnya harganya berbeda, maka untuk respon yang didapat dari regresi
akan diberi lambang Y pakai topi, yakni Y^ .
Secara umum, regresi linear sederhana Y atas X berbentuk
........ A.1
Y^ =a+bX
Pola pengamatan dapat diduga dari grafik data pengamatan yang menggunakan
sumbu datar X dan sumbu tegak Y. Gambar tiap pasang data

Xi

dan

Yi

pada sistem

sumbu ini akan berupa titik-titk yang terpencar. Karena itulah grafiknya sering disebut
diagram pencar.
Pasangan data yang diperlukan untuk menghitung a dan bsebaiknya disiapkan seperti
tabel 1.1.
Tabel 1.1
Pasangan data Pengamatan X dan Y
Responden
1
2
.
.
.
N

X
X1
X2
.
.
.
Xn

Y
Y1
Y2
.
.
.
Yn

Setelah data diketahui linear berdasarkan diagram pencar, maka menggunakan

metida kuadrat terkecil koefisien-koefisien a dan b dapat dihitung.

( Y ) ( X 2) ( X )( XY )
a=
2
n X 2 ( X )
........ A.2
b=

n XY ( X )( Y )
n X 2 ( X )

Tabel 1.2
Harga-harga yang diperlukan untuk menghitung a dan b dalam regresi Y^ =a+bX

X
.
.
.
.
.
.

Responden
1
2
.
.
.
n
Jumlah

Y
.
.
.
.
.
.

X
.
.
.
.
.
.

X Y

XY
.
.
.
.
.
.

Y
.
.
.
.
.
.

X 2 XY Y 2

3. Bobot Regresi
Koefisien a merupakan konstanta regersi untuk

X =0

sedangkan b merupakan

koefisien arah regresi yang menentukan bagaimana arah regresi terletak, apakah garis
regresi sejajar sumbu, miring tajam atau miring landai. Regresi

Y^ =a+bX

yang

diperoleh menggunakan n data sampel diharapkan dapat mengambil alih peran regresi
dalam populasi yang memiliki persamaan bentuk
dan

Y^ = + X

dengan harga-harga

tidak diketahui dan masing-masing ditaksir oleh a dan b; koefisien

oleh a dan koefisien regresi atau bobot regresi

sx
sy
Atau
s
b= y
sx
=b

ditaksir

ditaksir oleh b.

( )
........... A.3

( )

Langkah-langkah menentukan regresi Y^ =a+bX melalui

Pasangan data ( X i , Y i ) kita ubah menjadi bilangan baku

X X
dan
sx
Lalu terhadap data Z x dan Z y
Z x=

Y Y
............. A.4
sy
ini kita gunakan Rumus (A.2), maka akan
Zy=

diperoleh . Jadi sekarang merupakan bobot regresi bentuk bilangan baku.

Menentukan persamaaan regresi dalam bentuk bilangan baku
............... A.5
Z^ y = Z x
Dengan bobot regresi dihitung oleh
=

ZxZy
Z 2x

............................ A.6

4. Uji Kelinearan Dan Keberartian Regresi

JK ( T )= Y 2
JK ( a )=

JK ( b|a )=b

( Y )

XY

( X )( Y )
n

X
( Y )

X 2
XY
n

JK ( S ) =JK ( T )JK ( a )JK (ba)

JK ( G )=

( Y )

ni
JK ( TC )=JK ( S )JK (G)
xi

B. KORELASI
Untuk menunjukkan besarnya keeratan hubungan antara dua variabel
acak yang masing-masing memiliki skala pengukuran minimal interval
dan berdistribusi bivariat, digunakan koefisien korelasi yang dirumuskan
sebagai berikut:
n

n X i Y i X i Y i
r xy =

i=1

i=1

i=1

2
i

i=1

( ) ( )
2

Xi

i=1

i=1

2
i

Yi

i=1

Koefisien korelasi yang dirumuskan seperti itu disebut koefisien korelasi

Pearson atau koefisien korelasi product moment.
Besar r adalah 1 rxy + 1
Koefisien Korelasi (r): ukuran hubungan linier peubah X dan Y
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)

Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y memiliki

korelasi linier yang tinggi.

Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier
sempurna.

Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier

(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi
eksponensial).

Koefisien Determinasi Sampel = R = r

Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan
oleh nilai peubah X melalui hubungan linier.