ANALISIS REGRESI DAN KORELASI

Persamaan Garis Regresi 2 variabel - Linear Sampel

∧
Y = a + bX

Persamaan Garis Regresi 2 variabel - Linear Populasi

∧
Y = α + βX + ε

Contoh Soal :
Data berikut adalah Kenaikan biaya promosi dan kenaikan hasil penjualan (data
dalam %) :

X 1 2 4 6 7
Y 3 5 7 8 10

1. Bila antara kenaikan biaya promosi dengan kenaikan hasil penjualan terdapat
korelasi tentukan persamaan garis regresinya !

2. Bila terjadi kenaikan biaya promosi sebesar 3,5% berapakah kenaikan hasil
penjualan yang dapat diperkirakan ?
3. Hitunglah koefisien korelasi antara kenaikan biaya promosi dengan kenaikan
hasil penjulan !
4. Hitung kesalahan standar (standar error) dalam analisis regresi dan korelasi
tersebut !
5. Pada tingkat keyakinan 95% tentukan batas taksiran konstanta α dalam
persamaan regresi populasinya !
6. Pada tingkat signifikansi α = 5% dapatkah disimpulkan bahwa konstanta α
dalam regresi populasinya = 0 ?
7. Pada tingkat keyakinan 95% tentukan batas-batas taksiran untuk koefisien regresi
β dalam regresi populasinya!
8. Pada tingkat signifikansi α =5% dapatkah disimpulkan bahwa koefisien regresi
β =0?
9. Pada tingkat signifikansi α = 5% dapatkah disimpulkan bahwa sampel tersebut
berasal dari satu populasi yang mempunyai koefisien korelasi ρ (rho) = 0 ?
10. Pada tingkat signifikansi α = 5% dapatkah disimpulkan bahwa antara kenaikan
biaya promosi dan kenaikan hasil penjualan terdapat korelasi ?
11. Pada tingkat keyakinan 95% tentukan batas-batas taksiran kenaikan hasil
penjualan yang diperkirakan / diharapkan dapat dicapai jika kenaikan biaya
promosi sebesar 3,5% ?
12. Pada tingkat keyakinan 95% tentukan pula batas-batas taksiran kenaikan hasil
penjualan yang sesungguhnya pada saat kenaikan biaya promosi sebesar 3,5% ?
13. Pada tingkat signifikan α = 5% dapatkah disimpulkan bahwa sampel tersebut
berasal dari suatu populasi yang mempunyai ρ = 0.95 ?
14. Pada tingkat keyakinan 95% tentukan batas-batas taksiran koefisien korelasi ρ !

Jawab :
1. Persamaan Garis Regresi dengan product moment method

X Y XY X2 Y2
1 3 3 1 9
2 5 10 4 25
4 7 28 16 49
6 8 48 36 64
7 10 70 49 100
20 33 159 106 247

Y = a + bX

b=
∑xy =
27
= 1.04
∑x 2
26
∑
x
y ∑
=X
Y
∑
−
X .∑
Y
=
1
5
9
2
−
n

(
∑ X ) (2
0
2

∑ ∑
x2 =X 2 − =
1
0
6 −
n 5
(∑Y )
2
(
33 )
∑ ∑
y2 =Y 2 − =
2
4
7 −
n 5
∑
a =
b.∑
Y − X 3
3
=
−
(1.0
4 ×
2
0 )
n 5

∧
Jadi Persamaan Regresi-nya adalah Y = 2.44 + 1.04 X

∧
2. Y =2.44 +1.04 X

∧
Untuk X = 3.5 maka Y =2.44 +1.04 (3.5) =6.08

Jadi kenaikan hasil penjualan yang dapat diprkirakan dari kenaikan biaya
promosi sebesar 3.5% adalah 6.08%

3. Koefisien Korelasi dengan menggunakan rumus

Product Moment Method

r=
∑xy =
27
= 0.98
∑x .∑y 2 2
26 ×29 .2

Jadi Koefisien Korelasi antara kenaikan biaya promosi dengan kenaikan hasil
penjualan sebesar 0.98
4. Kesalahan standar (standar error) dalam analisis regresi dan korelasi:
 =∑
y 2 −b.∑xy 29 .2 −(1.04 ×27 )
2
SYX = = 0.37
n −2 5 −2
SYX = SYX
2
= 0.37 = 0.61

Jadi standar error dalam analisis regresi dan korelasi tersebut sebesar 0.61

5. Penaksiran konstanta α
Rumus :
a − t 1 α .Sa < kons tan taα < a + t 1 α .Sa
2 2

2
SYX .∑ X 2 0.37 ×106
Sa = 2
= = 0.3016
n.∑x 2
5 × 26
Sa = Sa 2 = 0.3016 = 0.55
df = n-k-1=5-1-1=3
α = 5%

Lihat tabel t (baris 3 kolom α ) ; nilai t 1 2α = 3.1825

a − t 1 α .Sa < kons tan ta ε < a + t 1 α .Sa

2 2

2.44 − 3.1825 (0.55 ) < kons tan ta α < 2.44 + 3.1825 (0.55 )
2.44 −1.75 < kons tan ta α < 2.44 +1.75
0.69 < kons tan ta α < 4.19
Jadi pada tingkat keyakinan 95% batas-batas taksiran konstanta α dalam regresi
populasinya akan berada antara 0.69 dan 4.19

6. Ho : konstanta α = 0
Ha : konstanta α ≠ 0
Nilai t - tabel
df = n-k-1=5-1-1=3
α = 5%
t1 α
= 3.1825
2

Uji statistik :
 a − α 2.44 − 0
t= = = 4.4366
Sa 0.55
Kriteria :
−t1 α
≤ t ≤ t 1 α , Hoditerima
2 2

t ≤ −t 1 α 
2 
Hoditolak
t > t1 α 
2 
Ternyata 4.4366 > 3.1825 atau t > t 12α , maka Ho
Figure
ditolak
Kesimpulan :
Pada tingkat signifikan 5% ternyata konstanta α dalam persamaan regresi
populasinya ≠ 0 karena perbedaanya signifikan/ nyata / berarti.

7. Penaksiran koefisian β

Rumus : b − t 1 2α .Sb < kons tan taβ < b + t 1 2α .Sb

2
SYX 0.37
Sb 2 = = = 0.014
∑x 2
26
Sb = Sb 2 = 0.014 = 0.12
df = n-k-1=5-1-1=3
α = 5%

Lihat tabel t (baris 3 kolom α ) ; nilai t 1 2α = 3.1825

b − t 1 α .Sb < kons tan ta β < b + t 1 α .Sb

2 2

1.04 − 3.1825 (0.12 ) < kons tan ta β <1.04 + 3.1825 (0.12 )

0.66 < kons tan ta β < 1.42

Jadi pada tingkat keyakinan 95% batas-batas taksiran koefisien β dalam regresi
populasinya akan berada antara 0.66 dan 1.42

8. Ho : β = 0
Ha : β ≠ 0
Nilai t - tabel
df = n-k-1=5-1-1=3

α = 5% t1 α
= 3.1825
2

Uji statistik :
 b − β 1.04 − 0
t= = = 8.6667
Sb 0.12

Kriteria :
−t 1 α ≤ t ≤ t 1 α
, Hoditerima
2 2

t ≤ −t 1 
α
2
Hoditolak
t >t1 
α
2 

Ternyata 8.6667 > 3.1825 atau t > t 12α , maka Ho

ditolak
Kesimpulan :
Pada tingkat signifikan 5% ternyata koefisien regresi populasi β ≠ 0 karena
perbedaanya signifikan/ nyata / berarti

9. Ho : ρ = 0
Ha : ρ ≠ 0
Nilai t - tabel
df = n-k-1=5-1-1=3

α = 5% , t1 α
= 3.1825
2

Uji statistik :

r n−2 0.98 5 − 2 1.697409791

t= = = = 8.529805158 = 8.5(dibulatkan)
1− r 2 1 − (0.98) 2 0.198997487
∑ xy 27 27
r= = = = 0.979908814 = 0.98(dibulatkan)
∑ x .∑ y2 2
26.(29,2) 27,55358416

Kriteria :
− t 1 α ≤ t ≤ t 1 α , Hoditerima
2 2

t ≤ −t 1 α 
2 
 Hoditolak
t > t1 α 
2 

Ternyata 8.5 > 3.1825 atau t > t 1 2α , maka Ho

Figure
ditolak
 Kesimpulan :
Pada tingkat signifikan 5% ternyata sampel tersebut berasal dari suatu populasi
yang mempunyai koefisien korelasi ρ ≠ 0.

10. Ho : ρ = 0 ( antara biaya promosi dengan hasil penjualan tidak ada korelasi )
Ha : ρ ≠ 0 (antara biaya promosi dengan hasil penjualan ada korelasi )
Nilai F- tabel
df 1 = k = 1
df 2 = n-k-1=5-1-1=3
lihat tabel F ( baris 3 kolom 1 cetak biasa) ; Fα = 10.13
Uji statistik :
MSR 28 .08
F = = = 225 .72 (dibulatkan )
MSE 0.1244
SSR =b.∑xy =1.04 (27 ) =28 .08
SSR 28 .08
MSR = = =28 .08
df 1 1
2
∑ y −SSR 29 .2−28 .08
SSE = = =0.373333333 =0.13 ( dibulatkan )
df 2 5−1−1
SSE 0.37333333
MSE = = =0.1244444444 =0.44 ( dubulatkan )
df 2 5−1−1
Kriteria :
F ≤Fα, Hoditerima
F > Fα, Hoditolak

Ternyata 63.8 > 10.13 atau F > Fα , maka Ho ditolak

Kesimpulan :
Pada tingkat signifikan 5% ternyata antara biaya promosi dengan hasil penjualan
terdapat korelasi .

11. Batas-batas taksiran hasil penjualan yang diharapkan jika kenaikan biaya promosi
sebesar 3.5 % ?
Rumus :

^ ^ ^ ^
− tY 1/2α .S y< µ y +< xtY 1/2α .S y
_
^ ( X o− X ) 2 ( 3.5− 4 ) 2
S y = S y x. 1 / n + = 0.6 1. 1 / 5+ = 0.6 1( 0.4 5 7 8 3 7 7 )2=70.2 7 9 2 8 1 0=103.2 8( d ib u la tk )a n
2 2 6
∑ x
 Nilai t - tabel
df = n-k-1=5-1-1=3

α = 5%, t1 α
= 3.1825
2

Uji statistik :

∧
Y = 2.44 +1.04 X
= 2.44 +1.04 (3.5)
= 6.08

^ ^ ^ ^
Y − t1/ 2α .S y < µ yx < Y + t1/ 2α .S y
6.0 8− 3.1 8 2 5(0.2 8) < µ yx < 6.0 8+ 3.1 8 2 5(0.2 8)
5.1 8 8 9< µ yx < 6.9 7 1 1
Kesimpulan :
Pada tk keyakinan 95% batas-batas taksiran hasil penjualan yang diharapkan /
diperkirakan apabila biaya promosi meningkat 3.5% adalah antara 5.1889
sampai 6.9711 unit.

12. Batas taksiran hasil penjualan yang sesungguhnya bila biaya promosi naik
sebesar 3.5 %
Rumus :

^ ^
Y − t1/ 2α .S <y Y < Y + t1/ 2α .S y

_
2
( Xo− X )
Sy = S yx . 1+ 1 / n +
Nilai t - tabel
= 0.61.
∑x 2
df = n-k-1=5-1-1=3

α = 5% t1 α
= 3.1825
2

Uji statistik :
 ^ ^
Y − t1/ 2α .Sy < Y < Y + t1/ 2α .Sy
6.08 − 3.1825(0..67) < Y < 6.08 + 3.1825(0.67)
3.947725 < Y < 8.212275

Kesimpulan :
Pada tk. keyakinan 95% batas-batas taksiran hasil penjualan sesungguhnya
apabila biaya promosi meningkat 3.5% adalah antara 3.947725 sampai
8.212275 unit.

13. Ho : ρ = 0,95
Ha : ρ ≠ 0,95
Nilai Z - tabel
1 −α 1 − 0.05
Z= = = 0.475
2 2
Lihat tubuh tabel Z Z1/ 2α =1.96

Uji statistik :
Figure 3
1 + r  1 + ρ 
Z = 1 / 2 ln   −1 / 2 ln  
1 − r  1 − ρ 
1 + r   1 + 0.98 
1 / 2 ln   = 1 / 2 ln   = 1 / 2 ln( 99 ) = 2.297559925
1 − r   1 − 0.98 
1 + ρ   1 + 0.95 
1 / 2 ln   = 1 / 2 ln   = 1 / 2 ln( 39 ) = 1.831780823
1 − ρ   1 − 0.95 
1 + r  1 + ρ 
Z = 1 / 2 ln   −1 / 2 ln   = 2.297559925 −1.831780823 = 0.4657791 = 0.47 ( dib
1 − r   1 − ρ 
Sz = 1 = 1 = 0.707106781
n −3
Perbaiki !!! 5 −3
Kriteria :− Z
Ternyata 1 α ≤ Z ≤ Z1 α atau −1.96 ≤ 0.47 ≤1.96 , maka Ho
− Z 1 α ≤ Z ≤ 2Z 1 α , Hoditerima
2
2 2
diterima
Z ≤ −Z 1 α 
2 
Hoditolak
Z >Z1 α 
Kesimpulan
2 :
Pada tingkat signifikan 5% ternyata sampel tersebut berasal dari suatu populasi
yang mempunyai koefisien korelasi ρ = 0.95 karena perbedaanya signifikan

Batas-batas taksiran koefisien korelasi ρ

Rumus :

REGRESI BERGANDA (MULTIPLE REGRESSION)

Contoh soal !
Diketahui pengalaman kerja dalam tahun → X1, nilai tes → x2 dan hasil penjualan (Y)
dalam ribuan dolar sebagai berikut :
X1 X2 Y
6 3 9
5 2 6
3 2 4
1 1 3
4 1 3
3 3 5
6 3 8
2 1 2

a. Bila antara pengalaman kerja dan nilai tes terhadap hasil

penjualan terdapat korelasi tentukan persamaan regresi
multipelnya !
b. Hitung koefisien parsial dan koefisien multipelnya serta
jelaskan artinya !
X1 X2 Y x12 x22 Y2 X1X2 X1Y X2Y
6 3 9 36 9 81 18 54 27
5 2 6 25 4 36 10 30 12
3 2 4 9 4 16 6 12 8
1 1 3 1 1 4 1 3 3
4 1 5 16 1 9 4 12 3
3 3 5 9 9 25 9 15 15
6 3 8 36 9 64 18 48 24
2 1 2 4 1 4 2 4 2
30 16 40 136 38 244 68 178 94

∑ x1 30
x1 = = = 3, 75
n 8
∑ x2 16
x2 = = =2
n 8

∑ y 40
y= = =5
n 8
∑x ∑y 30 (40)
∑ xy = ∑ x1 y = = 178 − = 28
n 8
∑ x2 ∑ y 16 (40)
∑ xy = ∑ x2 y = = 94 − = 14
n 8
∑ x1 ∑ x2 30 (16)
∑ x1 x2 = ∑ x1 x2 − = 68 − =8
n 8
 ( ∑ x1 )
2
(30) 2
∑x = ∑x
2
1
2
1 = 136 − = 23,5
n 8

( ∑ x2 )
2
(16) 2
∑x = ∑x
2
2
2
2 − = 38 − =6
n 8

( ∑ y)
2
(40) 2
∑y = ∑y
2 2
= 244 − = 44
n 8
∑ x1 x2 8
r12 = = = 0, 6737 (dibulatkan !) r122 = 0, 4539 (dibulatkan)
∑x ∑x
2
1
2
2
23,5 (6)

∑ x1 y 28
r1 y = = =0,8708 ( dibulatkan!) r1 2 y 0,=7583 ( dibulatkan)
2 x1 ∑ y 2
23, 5 (44)

∑ x1 y1 14
r2 y = = = 0,8616 (dibulatkan !) r2 y 2 = 0, 7434 (dibulatkan )
∑ x12 ∑ y 2 6 (44)

a. Product Moment method :

Misalkan persamaan regresi multipelnya y n = l 0 + b1 x1 +b2 x2 persamaan

normalnya :
( 1) → ∑ x1 y = b1 ∑ x12 + b2 ∑ x1 x2 → 28 = 23,5 b1 + 8 b2

( 2) → ∑ x2 y = b1 ∑ x1 x2 + b2 ∑ x22 → 14 = 8 b1 + 6 b2

 28 8 
14 6  56
b1 23,5 8 = = 0, 7273 ( dibulatkan)
  77
 8 6 

135 28 
 8 14  105
b1  135 8  = = 1,3636 (dibulatkan)
  71
 5 6 

Jadi, persamaan regresi multipel antara pengalaman kerja dan nilai test ia

terhadap hasil penjualan adalah y n = − 0, 4546 + 0, 7273 x1 + 1,3636 x2

b. Koefisien Korelasi Multipel

r1 y2 + r2 y 2 2− r1 y r2 y r12
ry =12
0, 7583= 0, 7434 2+ (0, 8708) (0,
− 8616) (0, 6737)
1 − r12
= 0, 9476 dibulatkan
( !)
 r 2 y12 = 0,8979 (dibulatkan)
Koefisien korelasi persial :
r1 y − r2y r12 0, 8708− 0, 8616
r1 y 2 = = 0, 7756 ( = dibulatkan
!)
(1 − r2 y2 (1 −r122 (1 − 0, 7434) (1 −0, 4539)
→ r12y .2 = 6016 ( dibulatkan!)
0,

r2 y − ry1 r12 0, 8616− 0, 8708

r2 y.1 = = 0, 7568 ( = dibulatkan
!)
(1 − r1 y2 ) (1 −r123 ) (1 − 0, 7583) (1 −0, 4539)
→ r22y .1 0,
= 5727 ( dibulatkan!)

Kesimpulan :
1. Jadi, Koefisien korelasi multipel antara pengalaman kerja dan nilai tes
terhadap hasil penjualan tersebut sebesar 0,9476 besarnya kontribusi/pengaruh
pengalaman kerja dan nilai tes lagi terhadap hasil penjualan tersebut sebesar
(0,94762 x 100% = 89,79% sedangkan sisanya 10,21% merupakan pengaruh
faktor 2 lain selain pengalaman kerja dan nilai tes terhadap hasil penjualan
tersebut.
2. Jadi, koefisien korelasi Parsial antara pengalaman kerja terhadap hasil
penjualan, bila nilai tes lagi dianggap konstan sebesar 0,7756 artinya besarnya
kontribusi/pengaruh pengalaman kerja terhadap hasil penjualan bila nilai tes
lagi dianggap konstan sebesar (0,7756)2 x 100% = 60,16% sedangkan sisanya
39,84% merupakan pengaruh dari faktor-faktor lain selain variable diatas
terhadap hasil penjualan tersebut.
3. Jadi, koefisien parsial antara nilai tes lagi terhadap hasil penjualan bila
penggalaman kerja dianggap konstan sebesar 0,7568 artinya besarnya
pengaruh/kontribusi nilai tes lagi terhadap hasil penjualan bila pengalaman
kerja dianggap konstan sebesar (0,7568)2 x 100% = 57,27% sedangkan
sisanya 42,73% merupakan pengaruh/kontribusi variable lain selain variable
di atas terhadap hasil penjualan tersebut

Latihan
Lima rumah tangga petani dari suatu daerah pertanian dipilih sebagai sampel acak
untuk diteliti tentang pengaruh pendapatan dan kekayaannnya terhadap tingkat
konsumsinya, data sebagai berikut :
Y = konsumsi per tahun, dalam ribuan rupiah
X1 = pendapatan per tahun, dalam ribuan rupiah
X2 = kekayaan untuk tahun yang bersangkutan, dalam ribuan rupiah
No Y X1 X2
1 74 80 120
2 98 110 60
3 80 90 60
 4 53 60 30
5 57 60 180

A. Carilah persamaan regresinya, dan jelaskan koefisien-koefisiennya !

B. Hitunglah koefisien korelasi berganda dan koefisien korelasi parsialnya !

Jawab :
∑Y = n..b0.a1. ∑ X 1 + a 2. ∑ X 2
A. ∑ X 1Y = a 0. ∑ X 1 + a1. ∑ X 12 + a 2 ∑ X 1X 2
∑ X 2Y = a 0. ∑ X 2 + a1. ∑ X 1X 2 + a 2 ∑ x 2 2

362 =5a 0 +400 a1 +450 a 2.......... .......... .......... (1)

30500 =400 a 0 +33800 a1 +34200 a 2.......... ....( 2)
31410 =450 a 0 +34200 a1 +54900 a 2.......... ....( 3)

Persamaan (1) dan (2)

362 = 5a 0 + 400 a1 + 450 a 2.......... .......... ...( 1) ×80 ⇒28960 = 400 a 0 +32000 a1 +36000 a 2
30500 = 400 a 0 +33800 a1 +34200 a 2........( 2) ×1 ⇒30500 = 400 a 0 +33800 a1 +34200 a 2
−1540 = −1800 a1 +1800 a 2
(a) ............
1540 =1800 a1 −1800 a 2

Persamaan (2) dan (3)

30500 = 400 a 0 + 33800 a1 + 34200 a 2...( 1) × 1,125 ⇒ 34312 , 5 = 450 a 0 + 38025 a1 + 38475 a 2

31410 = 450 a 0 + 34200 a1 + 54900 a 2...( 2 ) × 1 ⇒ 31410 = 450 a 0 + 34200 a1 + 54900 a 2

(b)
......... 2902 ,5 = 3825 a1 −16425 a 2

Persamaan (a) dan (b)

1540 =1800 a1 −1800 a 2.......... ....( 1) ×2,125 ⇒3272 ,5 = 3825 a1 −3825 a 2
2902 ,5 = 3825 a1 −16424 a 2.........( 2) ×1 ⇒2902 ,5 = 3825 a1 −16425 a 2
370 =12600 a 2
a 2 = 0,029365 ≈ 0,03

2902 ,5 = 3825 a1 −16425 a 2

3384 ,82 = 3825 .a1
a1 = 0,88492 ≈ 0,8913

362 = 5a 0 + 400 a1 + 450 a 2

362 = 5a 0 + 400 (0,8913 ) + 450 (0,03 )
362 = 5a 0 +310 ,11
−8,11 = 5a 0
a 0 = −1,6 ≈ −1,6

Jadi persamaan regresinya adalah :

^

Y = − 1,6 + 0,8 9X11+ 0,30 3X 20 2

 n. ∑ X 1.Y − ∑ X 1. ∑Y
rY .1 =
{n. ∑ X 1 2
− ( ∑ X 1)
2
}{n. ∑Y 2
− ( ∑Y )
2
}
5(30500 ) − 400 .( 362 )
=
B.
{5(33800 ) − (400 ) }{5(27538 ) − (362 ) }
2 2

152500 −144800 7700

= = = 0,9956
9000 ×6646 7733 ,95

2
rY .1 = 0,9912

n. ∑ X 2.Y − ∑ X 2. ∑Y
rY .2 =
{n. ∑ X 2 2
− ( ∑ X 2)
2
}{n. ∑Y 2
− ( ∑Y )
2
}
5(31410 ) − 450 .( 362 )
=
{5(54900 ) − (450 ) }{5(27538 ) − (362 ) }
2 2

157050 −162900 − 5850

= = = −0,2674
72000 × 6646 21874 ,92

2
rY 2 = 0,9912

n. ∑ X 1. X 2 − ∑ X 1. ∑ X 2
r1..2 =
{n. ∑ X 1 2
− ( ∑ X 1)
2
}{n. ∑ X 2 2
−(∑X )
2
}
5(34200 ) − 400 .( 450 )
=
{5(33800 ) − (400 ) }{5(54900 ) − (450 ) }
2 2

171000 −180000 − 9000

= = = −0,3535
9000 × 72000 25455 ,85

2
r1.2 = 0,125
 rY 12 + rY 2 2 − 2rY 1.rY 2.r12
rY 1.2 =
1 − r12 2

(0,996 ) 2 + ( −0,2674 ) 2 − 2(0,9956 ).( −0,2674 ).( −0,3535 )

=
1 − (0,3535 ) 2

= 0,9997