Anda di halaman 1dari 10

Bab VI

REGRESI DAN KORELASI SEDERHANA


Analisa mengenai hubungan antara 2 variabel membutuhkan data yang terdiri
dari 2 kelompok hasil observasi atau pengukuran. Data sedemikian itu dapat
diperoleh dari hasil observasi atau pengukuran di pelbagai bidang kegiatan sehingga
menghasilkan pasangan observasi atau pengukuran, yang dinyatakan sebagai
pasangan terurut (xi,yi) dimana i = 1, 2, 3, , n. Variabel x mungkin merupakan
fasilitas suatu obyek wisata, sedangkan variabel y merupakan jumlah wisatawan
yang datang ke obyek wisata tersebut. Variabel x mempengaruhi variabel y, tidak
sebaliknya. Hal tersebut dikatakan x sebagai variabel

independent (bebas),

sedangkan y variabel dependent (tidak bebas).


Jika pasangan observasi atau pengukuran (x i, yi) di atas digambarkan di atas
kertas

berskala,

maka

akan

diperoleh

serangkaian

titik-titik

koordinat

yang

menghubungkan kedua hasil observasi di atas. Penggambaran sedemikian itu


dinamakan diagram pencar (scatter diagram). Apabila titik-titik diagram pencar
tersebut dihubungkan dan cenderung membentuk suatu garis lurus, maka hubungan
tersebut dapat dikatakan memiliki suatu persamaan garis lurus (linear), sedangkan
apabila tidak memiliki kecenderungan membentuk garis lurus, dikatakan sebagai non
linear. Persamaan non linear bisa berbentuk persamaan kuadrat, hiperbola,
logaritma, dan sebagainya. Dalam kondisi demikian, maka variabel y dapat diramal
(predict) dari beberapa kondisi variabel x. Persoalan ini dinamakan sebagai persoalan
regresi (regression). Sedangkan bagaimana kuatnya pengaruh (hubungan) variabel
x dalam membentuk variabel y dikatakan sebagai korelasi (correlation) antara x dan
y.
6.1.

Regresi Linier Sederhana.

Regresi linier sederhana adalah hubungan 2 buah variabel yang membentuk


persamaan garis linier. Dalam hal ini variabel y hanya dipengaruhi oleh satu jenis
variable x. Notasi yang digunakan adalah:

y a bx
n

Dimana:

b =

(x
i 1

x )( y i y )
dan

(x
i 1

x)

a = y bx

. (1)

49

Atau

b =

n xi . y i ( xi )( y i )
i 1

i 1

i 1

n x ( x i )
2
i

i 1

dan

a =

i 1

i 1

y i b xi
n

i 1

. (2)
Sebagai contoh:
Pimpinan PT Mampang Makmur mengadakan penelitian bagi pegawai di
lingkungannya. Tujuannya ingin mengetahui hubungan dan kontribusi (sumbangan)
antara motivasi kerja dengan produktifitas kerja selama mereka bekerja di
perusahaan tersebut. Karena mengingat waktu, tenaga dan biaya, maka peneliti
mengambil sampel sebanyak 12 orang dengan hasil sebagai berikut:
Motivasi kerja

(x):

60,

70,

75,

65,

70,

60,

80,

75,

85,

90,

70,

85.
Produktifitas kerja (y): 450, 475, 450, 470, 475, 455,

475, 470, 485, 480, 475,

480.
Langkah-langkah penyelesaian: misal gunakan formula 2:
1. Buat tabel penolong untuk mempermudah perhitungan secara statistik:

2.b =

n xi . y i ( xi )( y i )
i 1

i 1

i 1

i 1

i 1

n xi2 ( xi ) 2

12.(416.825) (885).(5.640) 10.500

0,828
12.675
12.(66.325) (885) 2

50

a=

y
i 1

b xi
i 1

5.640 0,828.(885) 4.907,22

408,94
12
12

= 408,94 + 0,828 x
Persamaan garis regresinya adalah: y
3. Jika motivasi kerja seorang pegawai sebesar 95, berapa perkiraan produktivitas
kerjanya? Secara matematis, pertanyaan tersebut dapat diubah menjadi, jika x =
95, berapa y?
= 408,94 + 0,828 x, maka
Dari persamaan regresi: y
= 408,94 + 0,828.(95) = 487,60
y

Sehingga, jika motivasi kerja sebesar 95, diperkirakan produktivitas pegawai


tersebut adalah sebesar 487,60.
4. Gambar dari garis regresi dalam bidang sumbu koordinat adalah sebagai berikut:

6.2.

Trend
Trend merupakan persamaan garis regresi linier sederhana, dengan variabel x

menyatakan waktu (minggu, bulan, tahun). Oleh karena itu penghitungan trend
berdasar data time series, yaitu data yang mencerminkan perkembangan antar
waktu. Karena selang waktu yang digunakan tetap, maka data antar waktu tersebut
bisa diubah dalam angka yang sederhana dengan syarat harus berurutan. Perhatikan
contoh berikut.
Banyaknya Tamu Hotel Sentani, Tahun 2000 2002

51

Untuk menyederhanakan formula regresi yang cukup sulit, disusun suatu


rekayasa besaran nilai x, yang dimungkinkan karena data series waktunya yang
berurutan. Rekayasa nilai xi dibedakan antara n (jumlah sampel) ganjil dengan n
genap.
6.2.1. Untuk n ganjil.
Data deret waktu (time series) yang berurutan dapat diubah dalam bilangan
yang berurutan pula. Apabila jumlah deret waktu (n) ganjil, maka tahun yang tepat
ditengah dibuat sama dengan 0. Hal ini dimaksudkan agar jumlah xi = 0.
Tabel pengolahan berikut memperlihatkan nilai x i sebagai pengganti besaran nilai
tahun.

Karena

x
i 1

0 maka koefisien persamaan regresi dapat disederhanakan menjadi:

52

n xi . y i ( xi )( y i )
i 1

i 1

i 1

I 1

n x (0)
2
i

i 1

a=

y
i 1

i 1

n x

b x i
i 1

y
i 1

2
i

i 1

n xi . y i
i 1
n

i 1

n x ( x i )
i 1

n xi . y i (0). y i

x .y

i 1
n

2
i

i 1

dan,

2
i

b.(0)

y
i 1

sehingga koefisien persamaan trend adalah:


n

x .y
i 1
n

x
i 1

dan

2
i

y
i 1

Berdasar data pada tabel penolong di atas, nilai koefisien persamaan trendnya
adalah:
b=

2.015
18,32
110

dan

a=

6.053
550,27
11

= 550,27 + 18,32 x.
Persamaan trend adalah: y

Untuk keperluan peramalan, misalnya berapa perkiraan jumlah tamu tahun


2011, maka tahun tersebut harus dikembalikan pada nilai xi, yang dalam hal ini
adalah xi = 6, lihat tabel pengolahan halaman 43 di atas.
Sehingga:
= 550,27 + 18,32.(6) = 660,19
y
Perkiraan jumlah tamu tahun 2011 adalah sebanyak 660 orang.
6.2.2. Untuk n = genap
Sebagai contoh, data tahun 2000 di halaman 48 di atas dihapus, sehingga n =
10.
Rekayasa nilai xi adalah sebagai berikut:

53

Catatan: Nilai xi memiliki selang = 2


n

x .y
i

i 1
n

x
i 1

2
i

3.202
9,70
330

y
i 1

5.578
557,8
10

= 557,8 + 9,7 x
Persamaan trend: y

Ramalan jumlah tamu tahun 2011 (xi = 11)

adalah:

= 557,8 + 9,7.(11). = 664,5


y

Atau perkiraan jumlah tamu tahun 2011 adalah 664 orang.

6.3.

Korelasi Sederhana.
Telah disinggung pada uraian di atas bahwa korelasi merupakan ukuran

keeratan hubungan antara dua variabel, atau ukuran derajat bervariasinya kedua
variabel secara bersama-sama. Koefisien korelasi linier atau lebih singkat disebut
korelasi sederhana atau korelasi hasil kali momen Pearson (Pearsons product
moment), ditujukan untuk kegunaan deskriptif dan didefinisikan sebagai:
n

n xi y i xi . y i
i 1

i 1

i 1

i 1

i 1

i 1

i 1

n xi2 ( xi ) 2. n y i2 ( y i )

Diasumsikan bahwa di dalam populasi terdapat suatu hubungan linier antara


kedua variabel tersebut. Asumsi demikian ini sah bila pengambilan sampelnya
berasal dari sebaran normal dua variabel. Koefisien korelasi (r) merupakan penduga

54

tak bias bagi koefisien korelasi populasi (rho, Yunani), hanya bila sama denga nol.
Tidak seperti koefisien regresi, koefisien korelasi bebas dari satuan pengukuran (tidak
mempunyai satuan). Penggunaan variabel x dan y tidak lagi dimaksudkan sebagai
variabel bebas atau tidak bebas. Nilai koefisien korelasi berada diantara -1 dan 1 (-1

r 1 ). Apabila r = -1 berarti memiliki korelasi negatif sempurna, r = 0 berarti tidak


ada korelasi, dan r = 1 berarti korelasi positif sempurna (sangat kuat). Nilai r di
interpretasikan sebagai berikut:

Sedangkan untuk menyatakan besar kecilnya sumbangan variabel x terhadap y


dapat ditentukan dengan koefisien diterminasi (kd) sebagai berikut
kd = r2 x 100 %.
Dengan menggunakan contoh penelitian terhadap karyawan PT Mampang Makmur
pada halaman 50 di atas, untuk memudahkan penghitungan korelasi, dilakukan
menggunakan tabel penolong lanjutan.

55

n xi y i xi . y i
i 1

i 1

i 1

i 1

i 1

i 1

i 1

n xi2 ( xi ) 2. n y i2 ( y i )
12.( 416.825) (885).(5.460)
(12).(66.325) (885) . (12).(2.652.350) (5.640)
2

10.500
=
15.354,34

0,684
Dengan r = 0,684 maka terdapat hubungan yang kuat antara motivasi kerja dengan
produktivitas kerja pegawai di PT Mampang Makmur
Untuk menentukan besarnya kontribusi (sumbangan) variabel x terhadap naik
turunnya

variabel

y,

dihitung

melalui

koefisien

diterminasi

(coefficient

of

determination):
kd = r2 x 100%
Dalam hubungan antara motivasi kerja dengan produktivitas kerja di atas, maka:
kd = (0,684)2 x 100% = 46,79 %.
Dengan kata lain, pengaruh motivasi kerja terhadap produktivitas kerja pegawai
adalah sebesar 46,79%, dan sisanya sebesar 53,21% ditentukan oleh variabel lain.

6.4.

Korelasi Rank Spearman


Korelasi

rank

(peringkat),

digunakan

pada

data

ordinal,

yang

nilai

peringkatnya tidak memiliki jarak. Koefisien korelasi rank dinotasikan sebagai berikut:
n

rrank 1

6 d i2
i 1

n(n 2 1)

Dimana: d = selisih dari pasangan rank ke-i


n = banyaknya pasangan rank
Perhatikan contoh berikut:

56

Misalkan ada dua orang penggemar rokok, Adi dan Tony. Kedua orang tersebut
diminta untuk memberikan nilai terhadap 10 merk rokok. Rokok yang paling digemari
diberi nilai 1 (satu) dan seterusnya sampai pada rokok yang paling tidak disenangi
diberi nilai 10 (sepuluh). Dengan perkataan lain, Adi dan Tony diminta untuk
memberikan peringkat (rank). Hasilnya seperti di bawah ini:

Catatan: Pemberian rank bisa dibalik, misalnya untuk rokok yang paling disenangi
diberi peringkat 10, sedangkan yang paling tidak disenangi diberi peringkat 1.
Untuk mencari selisih nilai rank Adi dan Tony, buat tabel penolong berikut:

Penyelesaian:

57

rrank 1

6 d i2
i 1
2

n(n 1)

6.( 24)
1 0,1455 0,85
10(100 1)

58