Anda di halaman 1dari 26

ANALISIS

REGRESI
&
KORELASI
Deni Purba

PENDAHULUAN

Sebelum mengambil sebuah keputusan,


seringkali dilakukan peramalan (forecasting)
mengenai kemungkinan yang akan terjadi/
harapan dimasa depan yang berkaitan
dengan keputusan tersebut.

PENDAHULUAN
Hal tersebut lebih mudah dilakukan jika
suatu hubungan (relasi) dapat ditentukan
antara variabel yang akan diramal dengan
variabel lain yang telah diketahui.
Untuk keperluan tersebut,

regresi dan

korelasi sangat luas digunakan sebagai


perangkat analisisnya.

PENDAHULUAN
Analisis regresi digunakan untuk
mempelajari dan mengukur hubungan
statistik yang terjadi antara 2 atau lebih
variabel.
sederhana

2 variabel

Regresi
majemuk

Lebih dari 2 variabel

PENDAHULUAN
Dalam analisis regresi, ditentukan suatu
persamaan regresi dan digunakan untuk
menggambarkan pola/ fungsi hubungan
yang terdapat antar variabel.

PENDAHULUAN
Variabel yang akan diestimasi disebut
dengan variabel terikat (dependent
variable) dan biasanya diplot pada sumbu
tegak (sumbu-y).

Variabel bebas (independent variable)


adalah variabel yang diasumsikan
memberikan pengaruh terhadap variabel
terikat dan biasanya diplot pada
sumbu-x.

PENDAHULUAN
y

Variabel terikat

x
Variabel bebas

PENDAHULUAN
Analisis korelasi bertujuan untuk mengukur
seberapa kuat atau derajat kedekatan
suatu relasi yang terjadi antar variabel.
sederhana

2 variabel

Korelasi
majemuk

Lebih dari 2 variabel

PENDAHULUAN
Kalau analisis regresi ingin mengetahui pola
relasi dalam bentuk persamaan regresi,
maka analisis korelasi ingin mengetahui
kekuatan hubungan tersebut dalam
koefisien korelasinya.
Biasa analisis regresi dan korelasi sering
dilakukan bersama-sama.

ANALISIS
REGRESI
Linier Sederhana

Analisis REGRESI Linier Sederhana


Regresi linier sederhana didasarkan pada
hubungan fungsional ataupun kausal satu
variabel independen dengan satu variabel
dependen.

Analisis REGRESI Linier Sederhana


Persamaan umum dari regresi linier
sederhana adalah:

dimana:
Y = variabel dependen yang diprediksikan
a = konstanta
b = koefisien regresi X terhadap Y
X = variabel independen yang mempunyai nilai
tertentu

Analisis REGRESI Linier Sederhana


Nilai a dan b dapat dicari dengan persamaan berikut:

Analisis REGRESI Linier Sederhana


Berikut ini adalah contoh perhitungan regresi linier
sederhana hasil pengamatan densitas pakan (X)
terhadap tingkat kecernaan bahan kering (Y):
Sample

Xi

Yi

Xi Yi

Xi2

Yi2

13,9427

54,73

763,0840

194,3989

2995,3729

9,9157

53,87

534,1588

98,3211

2901,9769

7,5652

52,52

397,3243

57,2323

2758,3504

14,6474

56,06

821,1332

214,5463

3142,7236

9,9510

54,55

542,8270

99,0224

2975,7025

6,8356

53,21

363,7223

46,7254

2831,3041

13,6373

57,43

783,1901

185,9759

3298,2049

10,2808

55,82

573,8743

105,6948

3115,8724

7,3421

53,86

395,4455

53,9064

2900,8996

Jumlah

94,1178

492,05

5174,7595

1055,8236

26920,4073

Rata-rata

10,4575

54,6722

574,9733

117,3137

2991,1564

Analisis REGRESI Linier Sederhana


Perhitungan:
a = [(492,05)(1055,8236) - (94,1178)(5174,7595)] /
[(9)(1055,8236) - (94,1178)2]
a = 50,4166337304825
a = 50,4166
b = [(9)(5174,7595) - (94,1178)(492,05)] / [(9)
(1055,8236) - (94,1178)2]
b = 0,406939988245132
b = 0,4069
Sehingga diperoleh perasamaan regresi linier sederhana:
Y = 50,4166 + 0,4069X

Analisis REGRESI Linier Sederhana

ANALISIS
KORELASI
Linier Sederhana

ANALISIS KORELASI Linier Sederhana


Korelasi merupakan angka yang
menunjukkan arah dan kuatnya
hubungan antar dua variabel
(atau lebih).
Arah dinyatakan dalam bentuk
hubungan positip (+) atau
negatip (-), sedangkan kuatnya
hubungan dinyatakan dengan
besarnya koefisien korelasi.

ANALISIS KORELASI Linier Sederhana


Hubungan dua variabel dinyatakan
positip jika nilai suatu variabel
ditingkatkan maka akan meningkatkan
nilai variabel lainnya, sebaliknya jika nilai
variabel tersebut diturunkan maka akan
menurunkan nilai variabel yang lain
Sebagai contoh adalah hubungan tinggi
tanaman dengan produksi. Semakin
tinggi jagung maka berat tongkolnya
akan semakin besar, sebaliknya semakin
pendek tanaman maka berat tongkol
semakin kecil.

ANALISIS KORELASI Linier Sederhana


Hubungan dua variabel dinyatakan
negatip jika nilai suatu variabel
ditingkatkan maka akan menurunkan
nilai variabel lainnya, sebaliknya jika
nilai variabel tersebut diturunkan maka
akan menaikkan nilai variabel yang
lain.
Sebagai contoh adalah hubungan
tingkat serangan hama dengan
produksi. Semakin tinggi tingkat
serangan hama maka produksinya
akan semakin kecil, sebaliknya
semakin kecil tingkat serangan hama
maka produksinya semakin besar.

ANALISIS KORELASI Linier Sederhana


Kuatnya hubungan antar variabel
dinyatakan dengan besarnya
koefisien korelasi. Koefisien korelasi
memiliki rentang nilai antara -1
sampai 1.
Jika hubungan antara 2 variabel
memiliki korelasi -1 atau 1 berarti
kedua variabel tersebut memiliki
hubungan yang sempurna,
sebaliknya jika hubungan antara 2
variabel memiliki korelasi 0 berarti
tidak ada hubungan antara kedua
variabel tersebut.

ANALISIS KORELASI Linier Sederhana


Koefisien korelasi linier
(Pearson
product moment correlation coefficient) antara dua
variabel dapat dicari dengan persamaan berikut:

ANALISIS KORELASI Linier Sederhana


Berikut ini adalah contoh perhitungan korelasi linier
sederhana hasil pengamatan densitas pakan (X)
terhadap tingkat kecernaan bahan kering (Y):
Sample

Xi

Yi

Xi Yi

Xi2

Yi2

13,9427

54,73

763,0840

194,3989

2995,3729

9,9157

53,87

534,1588

98,3211

2901,9769

7,5652

52,52

397,3243

57,2323

2758,3504

14,6474

56,06

821,1332

214,5463

3142,7236

9,9510

54,55

542,8270

99,0224

2975,7025

6,8356

53,21

363,7223

46,7254

2831,3041

13,6373

57,43

783,1901

185,9759

3298,2049

10,2808

55,82

573,8743

105,6948

3115,8724

7,3421

53,86

395,4455

53,9064

2900,8996

Jumlah

94,1178

492,05

5174,7595

1055,8236

26920,4073

Rata-rata

10,4575

54,6722

574,9733

117,3137

2991,1564

ANALISIS KORELASI Linier Sederhana


Perhitungan:
R = [9.5174,7595-94,1178.492,05] /
{[9.1055,8236-(94,1178)2] - [9.26920,4073(492,05)2]}0,5
R = 0,791121276731124
R = 0,7911
Nilai R Tabel pada derajat bebas 8 (= 10 - 2,
dimana 10 adalah jumlah data yang
diperbandingkan) dengan taraf kepercayaan
5% = 0,632 sedangkan pada taraf
kepercayaan 1% = 0,765.
Hasil R yang diperoleh (0,7911) ini
selanjutnya dibandingkan dengan nilai R
Tabel sehingga diperoleh
R = 0,7911** atau "berhubungan sangat
erat".

ANALISIS KORELASI Linier Sederhana


Selain itu, untuk dapat memberikan
penafsiran terkadap koefisien korelasi yang
didapat, maka dapat berpedoman pada tabel
berikut (Sugiyono, 2005)
Interval Koefisien

Tingkat Hubungan

0,00 - 0,199

sangat rendah

0,20 - 0,399

rendah

0,40 - 0,599

sedang

0,60 - 0,799

kuat

0,80 - 1,000

sangat kuat

Terima
KASIH