REGRESI & KORELASI LINIER SEDERHANA

1. Pendahuluan

Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911) Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu peubah takbebas (dependent variable) dari nilai peubah bebas (independent variable) Diagram Pencar = Scatter Diagram Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah bebas. Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal) Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal) Nilai peubah takbebas ditentukan oleh nilai peubah bebas Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas? Contoh 1: Umur Vs Tinggi Tanaman Biaya Promosi Vs Volume penjualan (X : Umur, Y : Tinggi) (X : Biaya Promosi, Y : Vol. penjualan)

Jenis-jenis Persamaan Regresi : a. Regresi Linier : - Regresi Linier Sederhana - Regresi Linier Berganda b. Regresi Nonlinier - Regresi Eksponensial Regresi Linier - Bentuk Umum Regresi Linier Sederhana

Y = a + bX
Y X a b : peubah takbebas : peubah bebas : konstanta : kemiringan

- Bentuk Umum Regresi Linier Berganda

Y = a + b1X1 + b2X2 + ...+ bnXn

Y X1 X2 Xn : peubah takbebas : peubah bebas ke-1 : peubah bebas ke-2 : peubah bebas ke-n a b1 b2 bn : konstanta : kemiringan ke-1 : kemiringan ke-2 : kemiringan ke-n

RegresiKorelasi / thomasyunigunarto / Hal 1 dari 9

 Regresi Non Linier - Bentuk umum Regresi Eksponensial

Y = abx
log Y = log a + (log b) x

2.

Regresi Linier Sederhana metode paling populer untuk

Metode Kuadrat terkecil (least square method): menetapkan persamaan regresi linier sederhana - Bentuk Umum Regresi Linier Sederhana :

Y = a + bX
Y a : peubah takbebas : konstanta X b : peubah bebas : kemiringan

Nilai b dapat positif (+) dapat negartif (-) b : positif Y Y = a + bX b : negatif Y Y = a - bX

X Penetapan Persamaan Regresi Linier Sederhana

b=

n n n xi yi xi yi i =1 i =1 i =1
n

n 2 n xi xi i =1 i =1
n

a = y bx

sehingga

a=

y
i =1

x
i =1

n : banyak pasangan data yi : nilai peubah takbebas Y ke-i xi : nilai peubah bebas X ke-i
Contoh 2 :
RegresiKorelasi / thomasyunigunarto / Hal 2 dari 9

Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak Goreng. x Tahun Biaya Promosi (Juta Rupiah) 1992 2 1993 4 1994 5 1995 7 1996 8 x = 26 y Volume Penjualan (Ratusan Juta Liter) 5 6 8 10 11 y = 40

xy 10 24 40 70 88 xy = 232

x 4 16 25 49 64 x =158

y 25 36 64 100 121 y = 346

bentuk umum persaman regresi linier sederhana : Y = a + b X n=5

b=
n n n n x i yi x i yi i =1 i = 1 i =1 n n n xi2 xi i =1 i =1 2

b=

(5 232) (26 40) 1160 1040 120 = = = 1.0526 = 1.053 790 676 114 (5 158) (26 2 )

a=

yi
i =1

n n 26 40 a= 1.05263... = 8 (1.05263...5.2) = 8 5.4736... = 2.5263....= 2.530 5 5

Y = 2.530 + 1.053 X

x
i =1

Y=a+bX

Peramalan dengan Persamaan Regresi Contoh 3 : Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut Y = 2.530 + 1.053 X Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ? Jawab : Y = 2.530 + 1.053 X X = 10

3.

Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter) Volume penjualan = 13.06 x 100 000 000 liter Korelasi Linier Sederhana

RegresiKorelasi / thomasyunigunarto / Hal 3 dari 9

 Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y Nilai r berkisar antara (+1) sampai (-1) Nilai r yang (+) ditandai oleh nilai b yang (+) Nilai r yang (-) ditandai oleh nilai b yang (-) Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y memiliki korelasi linier yang tinggi Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier (dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi eksponensial) Koefisien Determinasi Sampel = R = r Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai peubah X melalui hubungan linier. Penetapan & Interpretasi Koefisien Korelasi dan Koefisien Determinasi

r=

n n n xi yi xi yi i=1 i=1 i =1
n 2 2 n n n 2 n n xi2 xi n yi yi i=1 i=1 i=1 i=1

R = r2
Contoh 4 : Lihat Contoh 2, setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung koef. korelasi (r) dan koef determinasi (R). Gunakan data berikut (lihat Contoh 2) x = 26 y = 40 xy = 232 x =158 y = 346

r=

n n n n xi yi xi yi i =1 i =1 i =1 2 2 n n n 2 n 2 n xi xi n yi yi i =1 i =1 i =1 i =1

RegresiKorelasi / thomasyunigunarto / Hal 4 dari 9

r=

[(5 158) (26 )] [ (5 346) (40 )]

2 2

(5 232) (26 40)

1160 1040

[ 790 676] [1730 1600]

120 114 130

120 120 = = 0.9857... . 14820 12173...

Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan) berkorelasi linier yang positif dan tinggi

R = r 2 = 0.9857...2 = 0.97165....= 97 %
Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier. Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain.

4.

Regresi Linier Berganda

Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X1 dan X2) dan 1 Variabel Tak Bebas (Y). Bentuk Umum : Y = a + b1 X1 + b2 X2 Y : peubah takbebas X1 : peubah bebas ke-1 X2 : peubah bebas ke-2

a b1 b2

: konstanta : kemiringan ke-1 : kemiringan ke-2

a , b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:

(i)

n a + b1 x1i + b 2 x2i = yi
i =1 i =1 i =1

(ii)

a x1i + b1 x1i + b 2 x2i x1i = x1i yi

2 i =1
n

i =1
n

i =1

i =1

(iii)

a x2i + b1 x2i x1i + b 2 x2i 2 = x2i yi

i =1 i =1 i =1 i =1

n : banyak pasangan data x1i : nilai peubah bebas X1 ke-i

Contoh 4:
RegresiKorelasi / thomasyunigunarto / Hal 5 dari 9

yi : nilai peubah takbebas Y ke-i x2i : nilai peubah bebas X2 ke-i

Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam ratusan ribu rupiah/unit).

x1
2 3 5 6 7 8
1

x2
3 4 6 8 9 10
2

y
4 5 8 10 11 12 =

x1 x2
6 12 30 48 63 80
1 2

x1y
8 15 40 60 77 96 =

x2y
12 20 48 80 99 120

x1
4 9 25 36 49 64

x2
9 16 36 64 81 100 =

y
16 25 64 100 121 144 =

x = x
31 40

y= x x
50 239

x1y =

x
379

296

y=

x
187

2 1

x
306

2 2

y
470

Tetapkan Persamaan Regresi Linier Berganda

= a + b1 X1 + b2 X2

n=6

x = 31 x x =239 x =187
1 1 2 2 1
n n

= 40

x 1 y =296
2 2

=306

y = 50 x y = 379 y = 470
2 2

Masukkan notasi-notasi ini dalam ketiga persamaan normal, (i) (ii) (iii) n a + b1 x1i + b 2 x2i = yi
i =1 i =1 i =1 n

a x1i + b1 x1i 2 + b 2 x2i x1i = x1i yi a x2i + b1 x2i x1i + b 2 x2i 2 = x2i yi
i =1 i =1 i =1 i =1 i =1 n i =1 n i =1 n i =1 n

Sehingga didapatkan tiga persamaan berikut: (i) (ii) (iii) 6a 31 a 40 a + + + 31 b1 + 187 b1 + 239 b1 + 40 b2 239 b2 306 b2 = 50 = 296 = 379

RegresiKorelasi / thomasyunigunarto / Hal 6 dari 9

Lakukan Eliminasi, untuk menghilangkan (a) (ii) (i) (ii) (i) 31 a 6a + + 187 b1 31 b1 1122 b1 961 b1 161b1 + + + + + 239 b2 40 b2 1434 b2 1240 b2 194 b2 = 296 = 50 = 1776 = 1550 = 226 6 31

189 a + 189 a + (iv)

Lalu (iii) (i) (iii) (i) 40 a 6a + + 239 b1 31 b1 1434 b1 1240 b1 194 b1 + + + + + 306 b2 40 b2 1836 b2 1600 b2 236 b2 = 379 = 50 = 2274 = 2000 = 274 6 40

240 a + 240 a + (v)

Selanjutnya, eliminasi (b1) dan dapatkan nilai (b2) (v) (iv) (v) (iv) 194 b1 161 b1 31234 b1 31234 b1 + + + + 236 b2 194 b2 37996 b2 37636 b2 360 b2 b2 = 274 = 226 = 44114 = 43844 = = 270 0.75 161 194

Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga: (v) Perhatikan b2 = 0.75 194 b1 194 b1 + + 236 (0.75) = 274 177 = 274 194 b1 = 97 b1 = 0.50 = 50 194 b1 + 236 b2 = 274

(i)

6a

31 b1

40 b2

Perhatikan b1 = 0.50 dan b2 = 0.75 6a 6a + + 31(0.50) 15.5 + + 40 (0.75) 30 6a a = 50 = 50 = 4.5 = 0.75

RegresiKorelasi / thomasyunigunarto / Hal 7 dari 9

Sehingga Persamaan Regresi Berganda a + b1 X1 + b2 X2 dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75 X2

5.

Korelasi Linier berganda

Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai berikut
2 R y.12

Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau

ry.12 =
Rumus

2 Ry.12

2 R y .12 = 1

JKG ( n 1) s 2 y

JKG : Jumlah Kuadrat Galat sy : Jumlah Kuadrat y (terkoreksi) di mana

2 sy =

n y 2

n(n 1)

JKG = y 2 a y b1 x1 y b2 x 2 y
Contoh 5: Jika diketahui (dari Contoh 4) n=6

x = 31 x x =239 x =187
1
1 2 2 1

= 40

x 1 y =296
2 2

x
2 R y.12

=306

y = 50 x y = 379 y = 470
2 2

Maka tetapkan

dan jelaskan artinya nilai tersebut!

RegresiKorelasi / thomasyunigunarto / Hal 8 dari 9

2 sy =

n y 2

( y )

n(n 1)

6(470) (50) 2 2820 2500 320 = = = 10.667 6(6 5) 30 30

JKG = y 2 a y b1 x1 y b2 x 2 y = 470 - 0.75(50) - 0.5 (296) - 0.75 (379) = 470 - 37.5 - 148 - 284.25 = 0.25
2 R y .12 = 1 JKG ( n 1) s 2 y

= 1

0.25 0.25 = 1 5 10.667 53.333

= 1 - 0.0046875 = 0.9953125 = 99.53%

Nilai R y.12 = 99.53% menunjukkan bahwa 99.53% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan X2 (biaya aksesoris) melalui hubungan linier. Sisanya sebesar 0.47% dijelaskan oleh hal-hal lain.
Selesai
2

RegresiKorelasi / thomasyunigunarto / Hal 9 dari 9