Modul 7 - Regresi Dan Korelasi
Modul 7 - Regresi Dan Korelasi
1. PENDAHULUAN
Contoh 1:
Umur vs Tinggi Tanaman (X : Umur, Y : Tinggi)
Biaya Promosi vs Volume penjualan (X : Biaya Promosi, Y : Vol. penjualan)
Regresi Linier
- Bentuk Umum Regresi Linier Sederhana
Y = a + bX
Y : peubah tak-bebas
X : peubah bebas
a : konstanta
b : kemiringan
1
STATISTIKA 2 Regresi & Korelasi
Metode Kuadrat terkecil (least square method): metode yang paling populer untuk
menetapkan persamaan regresi linier sederhana.
X X
i 1
i
i 1
n n
a y bx sehingga y
i 1
i x
i 1
i
a b
n n
2
STATISTIKA 2 Regresi & Korelasi
y
i 1
i x
i 1
i
a b
n n
40 26
a 1.05263... 8 1.05263...5.2 8 5.4736... 2.5263.... = 2,530
5 5
3
STATISTIKA 2 Regresi & Korelasi
Jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y memiliki korelasi linier
yang tinggi.
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).
R r2
Contoh 4:
Lihat Contoh 2, setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung
koefisien korelasi (r) dan koefisien determinasi (R). Gunakan data berikut (lihat Contoh 2)
n
n n
n xi yi xi yi
i 1 i 1 i 1
r
n 2 n 2 n 2 n 2
n xi xi n yi yi
i 1 i 1 i 1 i 1
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 %
4
STATISTIKA 2 Regresi & Korelasi
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.
Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X 1 dan X2) dan 1
Variabel Tak Bebas (Y).
Bentuk Umum : Y = a + b1 X1 + b2 X2
Y : peubah tak-bebas a : konstanta
X1 : peubah bebas ke-1 b1 : kemiringan garis ke-1
X2 : peubah bebas ke-2 b2 : kemiringan garis ke-2
n n n n
(ii) a x1i + b1 x1i b 2 x2 i x1i x1i yi
2
i 1 i 1 i 1 i 1
n n n n
(iii) a x2i + b1 x2i x1i b 2 x2i x2i yi 2
i 1 i 1 i 1 i 1
x1 x2 y x1 x2 x1y x2y x1 x2 y
2 3 4 6 8 12 4 9 16
3 4 5 12 15 20 9 16 25
5 6 8 30 40 48 25 36 64
6 8 10 48 60 80 36 64 100
7 9 11 63 77 99 49 81 121
8 10 12 80 96 120 64 100 144
x x y= x x x x y
2
1 2 1
x2 = x1y 2
y 2
= 2
=
1 2
=31 = 50 239 = = 187 306 =
5
STATISTIKA 2 Regresi & Korelasi
n=6
x = 311 x 2 = 40 y = 50
x x = 239
1 2 x1y = 296 x 2
y = 379
x 1
2
=187 x 2
2
=306 y = 470
2
Kemudian
(iii) 40 a + 239 b1 + 306 b2 = 379 6
(i) 6a + 31 b1 + 40 b2 = 50 40
6
STATISTIKA 2 Regresi & Korelasi
360 b2 = 270
b2 = 0,75
Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga:
(v) 194 b1 + 236 b2 = 274
Perhatikan b2 = 0.75
194 b1 + 236 (0,75) = 274
194 b1 + 177 = 274
194 b1 = 97
b1 = 0,50
(i) 6a + 31 b1 + 40 b2 = 50
Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai
2
berikut R y .12
Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau
ry .12 = 2
Ry.12
Rumus
Ry2.12 1 ( nJKG
1) s 2
y
di mana
s 2
n y 2 y 2
y
n(n 1)
JKG y 2
a y b1 x1 y b2 x 2 y
Contoh 6:
Jika diketahui (dari Contoh 4)
7
STATISTIKA 2 Regresi & Korelasi
n=6
x = 31
1 x 2
= 40 y = 50
x x = 239
1 2 x1y = 296 x 2
y = 379
x 1
2
= 187 x 2
2
= 306 y = 470
2
2
Maka tetapkan R y .12 dan jelaskan arti nilai tersebut!
s
2
n y 2 y 2
=
6( 470) (50) 2
2820 2500 320
10.667
y
n(n 1) 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
0.25 0.25
Ry2.12 1 JKG
1 1
( n 1) s 2y
5 10.667 53.333
= 1 0,0046875
= 0,9953125
= 99,53%
2
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 X 2 (biaya
aksesoris) melalui hubungan linier.
Sisanya sebesar 0,47% dijelaskan oleh hal-hal lain.