Anda di halaman 1dari 17

MAKALAH STATISTIKA

REGRESI DAN KORELASI

Disusun oleh:
1. Aditya Nurilman Wibowo (
2. Aurora Endasti Jannah
3. Elpa Yuliana
4. Pinkan Ichlazul Purwahyudi (3334160002)
5. Sabilah Rosidin (3334160040)
6. Silvia Taruli P (

TEKNIK METALURGI
FAKULTAS TEKNIK
UNIVERSITAS SULTAN AGENG TIRTAYASA
CILEGON, BANTEN
REGRESI & KORELASI

KORELASI

Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah
hubungan dari dua variabel atau lebih

• Macam-macam korelasi :

1. Korelasi sederhana pearson & spearman

• Digunakan untuk data interval &rasio


• Distribusi data normal
• Terdiri dari dua variabel
1. 1 Variabel X (Independen)
2. 1 Variabel Y (dependen)
2. Korelasi partial
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel
independen dengan satu variabel dependen dan dilakukan pengendalian pada
salah satu variabel independennya

3. Korelasi ganda
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel
independen dengan satu variabel dependen secara bersamaan

• Syarat korelasi :

1. Data harus interval/ratio

2. Data merupakan data distributif normal

• Koefisien Korelasi :

Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang
disebut Koefisien Korelasi. Besarnya Koefisien Korelasi antara - 1 0 +1. Koefisien Korelasi 0
atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji.

 Interpretasi :

Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:


1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)
a) Apabila Koefisien Korelasi > r tabeL Maka ada korelasi yang signifikan
(Ha Diterima)
b) Apabila Koefisien Korelasi < rTabel Maka tidak ada korelasi yang
signifikan (H0Diterima)
2. Melihat Sig.
a) Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (HaDiterima)
b) Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan
(H0Diterima)

• Arah hubungan dilihat dari tanda koefisien korelasi :

1. Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah

2. Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

 Interpretasi Korelasi Ganda


1. Lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat

2. Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga


ditambahkan analisis korelasi pada masing-masing variabel independen dengan
variabel dependen (caranya sama dengan analisis korelasi pearson

REGRESI

Analisis regresi adalah analisis lanjutan dari korelasi. Menguji sejauh mana pengaruh variabel
independen terhadap variabel dependen setelah diketahui ada hubungan antara variabel tersebut

• Macam-macam regresi :

1. Regresi sederhana: yaitu regresi untuk 1 variabel independen dengan 1 variabel


dependen

2. Regresi ganda: yaitu regresi untuk lebih dari satu variabel independen dengan 1
variabel dependen

Digunakan untuk analisis regresi dengan jumlah variabel independen lebih dari
satu dengan satu variabel dependen

Ada tambahan asumsi yang harus dipenuhi, yaitu tidak boleh ada korelasi antar
variabel-variabel independennya (multikolinearitas)

• Syarat regresi :
1. Data harus interval/ratio

2. Data merupakan data distributif normal

• Interpretasi Regresi Ganda

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F dan dibandingkan
dengan F tabel

1. Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan
untuk prediksi

2. Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk
prediksi

Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila
nilai Sig. < 0,05
 CONTOH KASUS : Seorang mahasiswa jurusan Metalurgi sedang melakukan
penelitian dan ingin mengetahui apakah ada hubungan antara jumlah kadar karbon
dalam komposisi baja (X) dengan tingkat kekerasan baja (Y)

Berikut ini adalah data hasil penelitian yang didapatkan :

Cara Penyelesaian :

A. UJI NORMALITAS
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data
pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal
ataukah tidak. Dalam uji normalitas terdapat metode – metodenya, yaitu : metode chi square,
liliefors, Kolmogorov smirnov, dan saphiro wilk. Dalam pengujian normalitas kali ini
menggunakan metode saphiro wilk .

Berikut ini adalah langkah - langkahnya :

Pertama klik analyze, kemudian klik descriptive statistics, dan klik explore hingga tampil seperti
gambar dibawah ini :
Kemudian masukkan 2 variabel pada dependent list, klik plot hingga tampil gambbar seperti
dibawah ini:

Klik normality plots with test kemudian continue dan klik ok.

Akan didapat Hasil Output seperti berikut :

Berdasarkan output test of normality dengan metode Shapiro-Wilk, diperoleh nilai


signifikansi pada kadar karbon (X) sebesar 0,330 dan nilai signifikansi pada kekerasan (Y)
sebesar 0,793. Karena nilai signifikansi X dan Y itu lebih besar > 0,05 , maka dapat
disimpulkan bahwa data berdistribusi normal

B. KORELASI LINEAR SEDERHANA

Korelasi Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan
serta arah hubungan dari dua variabel atau lebih

• Macam-macam korelasi :

o Korelasi sederhana pearson & spearman


o Korelasi partial
o Korelasi ganda

Berikut ini adalah langkah-langkah korelasi sederhana :


Pertama Klik analyze kemudian klik corelate lalu klik briveriate , sehingga muncul kotak
dialogue seperti gambar dibawah :

Masukan variabel X dan Y pada kotak variabels kemudian klik ok , dan dihasilkan output
seperti yang terdapat pada gambar dibawah :

Tabel diatas menampilkan nilai yang merupakan simbol dari nilai koefisien korelasi. Pada
contoh diatas nilai korelasi adalah 0,986. Nilai ini dapat diinterpretasikan bahwa hubungan kedua
variabel penelitian ada di kategori sangat kuat.

C. REGRESI LINEAR SEDERHANA


Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh
mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya.
Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor
sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi
Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan
salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan
ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.

Berikut ini adalah langkah langkah analisa regresi linear sederhana dengan menggunakan spss :

Pertama klik analyze, Lalu klik regression dan klik linear

Hingga terdapat tampilan dibawah ini :

Kemudian masukkan variabel y untuk dependent dan x untuk independent (s) lalu klik statistics,
Hingga terdapat tampilan seperti dibawah ini :

Tandai beberapa item :

 Estimates : untuk menentukan konstanta a dan b


 Model Fit: untuk uji ketepatan model regresi linear

Klik continue, lalu klik options

Pilih Options masukkan nilai taraf signifikansi dalam hal ini kita pilih 5% sehingga ketik 0,05
pada kolom Entry. Tandai Include Constant in Equation.

Pada Missing Values

 Exclude cases listwise :hanya data yang valid untuk semua variabel yang ikut dianalisis
 Exclude cases pairwise :menganalisis koefisien korelasi dan seluruh cases yang berharga
valid dari dua variabel yang dikorelasikan.
 Replace with mean : Semua data dianalisis dan untuk data yang kosong digantikan
dengan rata-rata variabel tersebut.
Klik continue, lalu klik ok

Hasil output regresi linier sederhana :

1. Tabel variabel penelitian

Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi
variabel bebas dan variabel terikat.

2. Ringkasan model (model summary)

Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien
korelasi. Pada contoh diatas nilai korelasi adalah 0,985. Nilai ini dapat diinterpretasikan
bahwa hubungan kedua variabel penelitian ada di kategori sangat kuat. Melalui tabel ini juga
diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus
model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang
diperoleh adalah 97,1% yang dapat ditafsirkan bahwa variabel bebas X memiliki pengaruh
kontribusi sebesar 97,1% terhadap variabel Y dan 2,9% lainnya dipengaruhi oleh faktor-
faktor lain diluar variabel X

R Square dan Adjusted R Square sama-sama boleh digunakan bedanya adalah jika kita
ingin menggeneralisasikan ke populasi maka gunakan Adjusted R Square,dan individu yang
kita gunakan adalah dipilih secara acak, namun jika individu atau sampel non acak
sebaiknya gunakan R Square. Pada ukuran sampel yang besar, nilai R Square dan Adjusted
R Square akan mendekati nilai sama.

3. Tabel Anova

Pada kolom ini berfungsi untuk uji-F, digunakan untuk melihat pengaruh variabel bebas X
secara bersamaan terhadap variabel tak bebas Y. (Regresi Linear Berganda)

4. Tabel koefisien

Pada kolom B adalah nilai konstanta dan koefisien persamaan regresi. Sehingga dari
angka inilah kita dapat membentuk persamaan regresi.
(Constant) = 115,404
X = 135,126
Jadi persamaan regresi yang diperoleh adalah :

Y = 115,404 + 135,126X
D. UJI HIPOTESIS ANALISA REGRESI SEDERHANA

Uji hipotesis berfungsi untuk mengetahui apakah koefisien regresi tersebut signifikan
atau tidak ( variable X berpengaruh terhadap variable Y ) . hipotesis yang diajukan yaitu :

Ho : Tidak ada pengaruh kadar karbon ( X ) terhadap nilai kekerasan ( Y )


Ha : Ada pengaruh kadar karbon ( X ) terhadap nilai kekerasan ( Y )

Berikut ini adalah uji hipotesisnya:

1. Uji Hipotesis Membandingkan Nilai Sig dengan 0,05

Dasar pengambilan keputusan analisis regresi dengan melihat nilai signifikansi ;

 Jika nilai signifikansi lebih kecil < dari probabilitas 0,05, maka berarti bahwa ada
pengaruh kadar karbon terhadap nilai kekerasan

 Jika nilai signifikansi lebih besar > dari probabiltias 0,05, maka berarti bahwa
tidak ada pengaruh kadar karbon terhadap nilai kekerasan

Berdasarkan output diatas didapat nilai sig 0,000 lebih kecil < dari 0,05,
sehinggga dapat disimpulkan bahwa Ho ditolak dan Ha diterima yang berarti bahwa ada
pengaruh kadar karbon terhadap nilai kekerasan

2. Uji Hipotesis membandingkan nilai T hitung dengan T tabel

Dasar pengambilan keputusan dalam uji T :

 Jika nilai t hitung lebih besar > dari t tabel, maka ada pengaruh kadar karbon
terhadap nilai kekerasan
 Jika nilai t hitung lebih kecil < dari t tabel, maka tidak ada pengaruh kadar karbon
terhadap nilai kekerasan

Berdasarkan output diatas didapat nilai t hitung sebesar 14,062, untuk mencari t
table adalah sebagai berikut :

Nilai a/2 = 0,05 / 2 = 0,025


Derajat kebebasan (df) = 8 – 2 = 6
Kemudian diilihat pada table t dan didapat nilai t table sebesar 2,447

Karena t hitung lebih besar > dari t table maka dapat disimpulkan bahwa Ho ditolak dan
Ha diterima yang berarti bahwa ada pengaruh kadar karbon terhadap nilai kekerasan

Grafik yang dihasilkan :


Grafik diatas merumakan grafik yang dihasilkan dari regresi linear sederhana

Dari grafik linear yang dihasilkan diatas terlihat bahwa grafik yang dihasiklan dari data yang
digunakan hampir linear yang berarti bahwa data X berdistribusi normal
Dari grafik linear yang dihasilkan terlihat diatas bahwa grafik yang dihasiklan dari data yang
digunakan hampir linear yang berarti bahwa data Y berdistribusi normal

E. PERHITUNGAN MANUAL REGRESI LINEAR SEDERHANA

Diketahui :

∑ 𝑋 = 4,89

∑ 𝑌 = 1584

∑ 𝑋𝑌 = 990,96

∑ 𝑋 2 = 3,1573

∑ 𝑌 2 = 316798
Menghitung koefisien korelasi :

n   XY     X   Y 
r
n
   X     X
2 2
 n
  Y    Y
2 2

8(990,96)−(4,89 𝑥 1584 )
𝑟= = 0,985
√[8(3,1573)−(4,892 )] [8(316798)−(1584)2 ]

Menghitung R square ( koefisien determinasi)

𝑟 2 = 0,9852
= 0,971 x 100% = 97.1%

Menghitung Konstanta (a) :

a = (Σy) (Σx²) - (Σx) (Σxy)


n(Σx²) – (Σx)²

a = (1584) (3,1573) – (4,89) (990,96)


8 (3,1573) – (4,89)²

a = 115,404

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)


n(Σx²) – (Σx)²

b = 8 (990,96) – (4,89) (1584)


8 (3,1573) – (4,89)²

b = 135,126
Buat Model Persamaan Regresi :

Y = a + Bx

Y = 115,404 + 135,126X

KESIMPULAN

1. Didapatkan nilai koefisien korelasi 0,985. Nilai ini dapat diinterpretasikan bahwa
hubungan kedua variabel penelitian ada di kategori sangat kuat

2. Didapatkan nilai R Square atau koefisien determinasi (KD) 97,1% yang dapat ditafsirkan
bahwa variabel bebas X memiliki pengaruh kontribusi sebesar 97,1% terhadap variabel Y
dan 2,9% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X

3. pada Uji Hipotesis Membandingkan Nilai Sig dengan 0,05, didapat nilai sig 0,000 lebih
kecil < dari 0,05, sehinggga dapat disimpulkan bahwa Ho ditolak dan Ha diterima yang
berarti bahwa ada pengaruh kadar karbon terhadap nilai kekerasan

4. pada Uji Hipotesis membandingkan nilai T hitung (14,062) dengan T table (2,447),
didapatkan nilai t hitung lebih besar > dari t table maka dapat disimpulkan bahwa Ho
ditolak dan Ha diterima yang berarti bahwa ada pengaruh kadar karbon terhadap nilai
kekerasan