ANALISIS REGRESI DAN

KORELASI

Pertemuan 13 dan 14

Dalam ilmu statistika, teknik

yang umum digunakan untuk
menganalisis hubungan antara
dua atau lebih variabel adalah
analisis regresi.
Model matematis dalam
menjelaskan hubungan antar
variabel dalam analisis regresi
menggunakan persamaan regresi

Dalam suatu persamaan regresi terdapat

2 macam variabel, yaitu :

Variabel dependen
(variabel tak
bebas) adalah variabel yang nilainya
bergantung
dari
variabel
lain.
Biasanya dinyatakan dengan Y.
Variabel independen (variabel bebas)
adalah variabel yang nilainya tidak
bergantung
dari
variabel
lain.
Biasanya dinyatakan dengan X.

Prinsip dasar

Dalam membangun suatu persamaan

regresi adalah bahwa antara variabel
dependen dengan variabel
independennya mempunyai sifat
hubungan sebab akibat (hubungan
kausalitas = causal relationship), baik
yang didasarkan pada teori, hasil
penelitian sebelumnya, ataupun yang
didasarkan pada penjelasan logis
tertentu.

Analisis Korelasi Sederhana :

Adalah teknik statistik yang digunakan untuk

mengukur keeratan hubungan (korelasi)
antara dua variabel.
Ukuran
yang
menyatakan
keeratan
hubungan adalah koefisien korelasi.
Koefisien
ini bernilai antara 1 sampai
dengan +1.
Sebuah
langkah
awal
yang
sangat
bermanfaat dalam melihat hubungan antara
dua variabel adalah menampilkan informasi
data ke dalam bentuk diagram pencar.

Koefisien korelasi :

J xy

J xx J yy

dimana

J xy XY

( X )( Y )

J xx X 2
J yy Y 2

( X ) 2
n

( Y ) 2
n

Koefisien Determinasi

Dihitung dengan mengkuadratkan

koefisien korelasi (r2).
Menyatakan
besarnya kontribusi
variabel X terhadap perubahan
variabel Y.

Uji signifikansi koefisien korelasi

Hipotesis nol dan hipotesis alternatifnya adalah :
H0 : = 0
H1 : 0
Statistik uji :
dengan

v n2

r n2
1 r2

Daerah kritis, H0 ditolak bila

t t
t t
,v
,n
atau
2
2
Kesimpulan

Analisis Regresi Linier Sederhana :

adalah suatu teknik yang digunakan untuk

membangun suatu persamaan garis lurus dan
menentukan nilai perkiraannya
Hanya ada 1 variabel X dan 1 variabel Y.
Suatu persamaan garis lurus yang menyatakan
hubungan antara variabel bebas X dan
variabel tidak bebas Y, dan digunakan untuk
memperkirakan nilai Y berdasarkan nilai X
disebut sebagai persamaan regresi

Metode kuadrat terkecil

digunakan untuk menentukan persamaan linier

estimasi, berarti memilih satu garis linier dari
beberapa kemungkinan garis linier yang dapat
dibuat dari data yang ada yang mempunyai
kesalahan (error) paling kecil dari data aktual
dengan data estimasinya.
Kriteria ini dikenal dengan prinsip kuadrat terkecil
(principle of least square).
Prinsip pemilihan garis regresi ini adalah pilih
garis yang mempunyai jumlah kuadrat deviasi
nilai observasi Y terhadap nilai Y prediksinya yang
minimum sebagai garis regresi yang paling baik

Persamaan regresi estimasi yang baik

secara umum

Y a bX

dimana
Y

adalah nilai estimasi Y berdasarkan X yang dipilih.

a adalah titik potong Y. Merupakan nilai perkiraan
bagi Y ketika X = 0.
b adalah kemiringan garis, atau perubahan rata-rata
pada untuk setiap satu unit perubahan (baik naik atau
turun) pada variabel X.
X adalah sembarang nilai variabel bebas yang dipilih

Nilai a dan b adalah :

b

J xy
J xx

XY
X

a Y bX

( X )( Y )

( X ) 2

Pengujian Terhadap Koefisien

Regresi

Menentukan H0 dan H1
H0 : = 0.
H1 : 0.
Taraf nyata
Statistik uji : Tabel Anova
Daerah kritis : jika F hitung > F ; (1, n-2),
maka H0 ditolak
Kesimpulan

Tabel Anova

Sumber Variasi

db

Jumlah
Kuadrat

Galat
Total

Regresi

Kuadrat
rata-rata

F hitung

JKR

JKR / 1

JKR / s2

n 2

JKG

s2 = JKG / (n2)

n-1

JKT

JKR = b JXY

JKT = JYY

JKG = JKT - JKR

Analisis Regresi Linier Berganda

Bentuk umum :

Y a b1 X 1 b2 X 2 ..... bk X k

Membangun Persamaan Regresi Linier

Berganda dengan Manual

Besarnya koefisien a , b1, dan b2 dapat

ditentukan dengan menggunakan tiga
persamaan berikut ini

Y na b X
1

b2 X 2

X 1Y a X 1 b1 X 1 b2 X 1 X 2
2

Y a X 2 b1 X 1 X 2 b2 X 2

Persamaan di atas dapat dinyatakan

dalam persamaan matriks

n
X1
X2

X
X
X X

1
2
1

X
X X
X

a
b

b2

Jadi = A b = H b = A-1 H ,
dimana A-1 adalah invers dari A.

Y
X Y
X Y
1

Membangun Persamaan Regresi Linier

Berganda dengan Komputer
The regression equation is
y = - 11.5 + 1.47 x1 + 6.59 x2
Predictor
Constant
x1
x2

Coef
-11.452
1.4671
6.588

S = 7.889

StDev
9.231
0.5491
4.550

R-Sq = 88.7%

T
-1.24
2.67
1.45

P
0.255
0.032
0.191

R-Sq(adj) = 85.5%

Analysis of Variance
Source
Regression
Error
Total

DF
2
7
9

SS
3427.9
435.7
3863.6

MS
1714.0
62.2

F
27.54

P
0.000

Koefisien Korelasi Linier Berganda (KKLB)

Jika ingin diketahui kuatnya hubungan

antara variabel Y dengan beberapa
variabel X lainnya.
Apabila KKLB dikuadratkan, maka akan
diperoleh Koefisien Penentuan
(Koefisien Determinasi), yaitu suatu
nilai untuk mengukur besarnya
sumbangan dari beberapa variabel X
terhadap variasi (naik turunnya)
variabel Y.

KP r

y .12

SSR

SST