ANALISIS REGRESI DAN KORELASI SEDERHANA

Analisis regresi bertujuan untuk mengetahui seberapa besar pengaruh dari variabel
pengaruh (variabel independen) terhadap variabel terpengaruh (variabel dependen). Beberapa
literature menyebut variabel independen sebagai variabel bebas dan variabel dependen
sebagai variabel terikat. Tetapi secara jelas yang disebut variabel independen adalah variabel
yang dapat mempengaruhi variabel lain, sedangkan variabel dependen adalah variabel yang
dipengaruhi oleh variabel lain. Misalnya dalam persamaan konsumsi (C a b Y), diketahui
bahwa besanya nilai konsumsi (C) dipengaruhi oleh jumlah pendapatan (Y). Dengan
demikian yang disebut dengan variabel independen adalah Jumlah Pendapatan (Y) dan yang
menjadi variabel dependen adalah Konsumsi (C). Yang perlu mendapatkan perhatian dalam
menentukan variabel independen dan variabel dependen adalah jangan 'perpaku pada notasi
dalam suatu persamaan regresi, karena masing-masing literature menggunakan notasi sendiri-
sendiri.
Besarnya pengaruh dari variabel independen terhadap variabel dependen dilihat dari
nilai koeIisien regresinya. Pengaruh tersebut perlu diukur dan jika variabel independen
mempunyai nilai tertentu maka variabel dependen tidak selalu pasti berada dalam nilai
tertentu, tetapi mempunyai kecenderungan untuk mencapai nilai tertentu.
Analisis korelasi untuk mengetahui tingkat keeratan hubungan antara dua variabel atau lebih.
Untuk korelasi sederhana, yaitu hubungan antara dua variabel, maka koeIisien korelasi
disimbolkan 'r. Untuk menentukan kemungkinan hubungan antara dua variabel, misalnya
antara variabel X dengan variabel Y, maka diperlukan penggambaran data ke dalam suatu
diagram yang disebut dengan 'Scatter Diagram atau 'Diagram Sebaran. Kemungkinan
yang dapat terjadi dapat digambarkan sebagai berikut.


Analisis Regresi Sederhana
Penyebutan regresi lnier sederhana karena dalam model yang diajukan hanya
memasukkan satu variabel independen dan persamaannya berpangkat satu. Dengan demikian
model regresi linier sederhana adalah sebagai berikut:
Y a b. X ( dalam beberapa literature ditulis Y b0 b1.X )
Keterangan :
Y : Variabel Dependen (variabel terikat)
X : Variabel Independen (variabel bebas)
a : Konstanta
b : KoeIisien Regresi
Untuk mendapatkan nilai a dan nilai b maka digunakan rumus sebagai berikut :




Analisis Korelasi Sederhana
Sebagaimana yang telah dijelaskan di atas, analisis korelasi digunakan untuk
mengetahui tingkat keeratan dari hubungan dua variabel. Sedangkan angka yang
menunjukkan kuat tidaknya hubungan antara dua variabel disebut dengan koeIisien korelasi
yang dinotasikan dengan 'r (khusus untuk korelasi sederhana). Nilai koeIisien korelasi
adalah 1 r 1. Jika r 1, maka antara dua variabel mempunyai hubungan negatiI
'sangat erat Jika r 1, maka antara dua variabel mempunyai hubungan positiI 'sangat erat
Jika r 0, maka antara dua variabel tidak mempunyai hubungan Jika r semakin mendekati
angka 1 atau 1, maka antara dua variabel mempunyai hubungan yang kuat atau erat.
Sedangkan jika r lebih mendekati ke angka 0, maka antara dua variabel mempunyai
hubungan yang tidak kuat atau tidak erat. Untuk mendapatkan nilai koeIisien korelasi
digunakan rumus sebaagai berikut:

CONTOH KASUS ANALISIS REGRESI DAN KORELASI SEDERHANA
Seorang peneliti ingin mengetahui pengaruh dari tinggi badan terhadap berat badan.
Untuk kebutuhan penelitian tersebut diambil sampel secara acak sebanyak 10 orang untuk
diteliti. Hasil pengumpulan data diketahui data sebagai berikut :
Berdasarkan data tersebut di atas :
1. Hitunglah nilai a dan b untuk persamaan regersi linier sederhana
2. Jika hipotesis penelitian menyatakan bahwa 'tinggi badan seseorang berpengaruh
terhadap berat badan seseorang, ujilah hipotesis tersebut dengan menggunakan Uji T
dan Uji F (tingkat keyakinan sebesar 95)
3. Hitunglah nilai r dan koeIisien determinasi
4. Bagaimana kesimpulannya.

Jawab :
Hipotesis penelitian : Tinggi Badan berpengaruh terhadap Berat Badan Seseorang (karena hanya
dikatakan berpengaruh maka menggunakan uji dua arah).
Jika Y : Berat Badan Seseorang dan X : Tinggi Badan Seseorang, maka untuk mendapatkan nilai a
dan b untuk persamaan regersi linier sederhana :

Berdasarkan hasil pengolahan data tersebut di atas maka dapat dibuat persamaan regresi linier
sederhana : Y - 73,72041 0,819657 X

Untuk menguji hipotesis secara parsial digunakan Uji T, yaitu :
O Hipotesis Statistik adalah Ho : b 0 dan Ha : b = 0 (disebut uji dua arah)
O Nilai T hitung adalah : b/Sb 0,819657/0,05525673 14,833613932638 14,834
O Nilai T tabel dengan dI : 10 2 8 dan u 2,5 (uji dua arah) sebesar 2,306
O Karena nilai T hitung lebih besar dari pada T tabel atau 14,834 ~ 2,306 maka Ho
ditolak, Ha diterima dan hipotesis penelitian yang menyatakan bahwa Tinggi Badan
berpengaruh terhadap Berat Badan Seseorang adalah dapat diterima (dapat dikatakan
signiIikan secara statistik).
O Sedangkan untuk menguji secara serempak digunakan Uji F, yaitu diperoleh F hitung
31.874,98 dan Untuk nilai F tabel dengan dI : k - 1 ; n k 1 ; 8 dan u : 5 sebesar
5,32. Karena nilai F hitung lebih besar dari F tabel atau 31.874,98 ~ 5,32 maka Ho
ditolak, Ha diterima dan hipotesis penelitian yang menyatakan bahwa Tinggi Badan
berpengaruh terhadap Berat Badan Seseorang adalah dapat diterima.
Untuk nilai r (korelasi) adalah sebesar 0,982 dan koeIisien determinasi (r kuadrat) sebesar
0,964. Berdasarkan hasil nilai koeIisien korelasi maka dapat dikatakan bahwa hubungan
antara variabel independen (Tinggi Badan) dengan variabel dependen (Berat Badan)
mempunyai hubungan yang kuat karena nilai r sebesar 98,2 tersebut sangat mendekati nilai
100.
Sedangkan berdasarkan nilai r kuadrat sebesar 96,4 menggambarkan bahwa sumbangan
variabel independen (Tinggi Badan) terhadap naik turunnya variabel dependen (Berat Badan)
sebesar 96,4 sedangkan sisanya merupakan sumbangan dari variabel lain yang tidak
dimasukkan dalam model.

Kesimpulannya : Berdasarkan hasil pengujian hipotesis, baik Uji T maupun Uji F, diketahui
bahwa Variabel Tinggi Badan Seserorang berpengaruh terhadap Variabel Berat Badan
Seseorang dan pengaruhnya bersiIat positiI (nilai koeIisien regresinya sebesar 0,819657),
artinya jika seseorang mempunyai tinggi badan semakin tinggi maka akan meningkatkan
berat badannya (dan sebaliknya). Berdasarkan nilai koeIisien regresi tersebut dapat diketahui
bahwa jika tinggi badan meningkat sebesar 10 maka berat badan akan meningkat 8,2.
Sedangkan berdasarkan nilai koeIisien korelasi dan koeIisien determinasi diketahui bahwa
variabel independen (Tinggi Badan) mempunyai hubungan yang kuat dan mempunyai
sumbangan yang cukup besar terhadap variabel dependen (Berat Badan).