KATA PENGANTAR

Puji syukur kehadirat Allah yang Maha Kuasa yang selalu melimpahkan
Rahmat, Taufiq, dan HidayahNya kepada kita semua baik berupa kesehatan
maupun kesempatan dalam memberikan semangat dan motivasi sehingga
terselesaikannya makalah ini.

Penulis selaku mahasiswa Teknik Perkapalan dalam mengikuti mata

kuliah Menggambar Teknik dan Permodelan 3D diharuskan menyusun makalah
ini dalam tujuan menyelesaikan tugas yang diberikan oleh Bapak Berlian
Arswendo ST. MT. dengan judul: “KORELASI DAN REGRESI DALAM
STATISTIKA”

Makalah ini disusun berdasarkan informasi yang didapatkan dari internet

dan makalah-makalah dengan tema yang sama yang mendukung. Makalah ini
dapat digunakan sebagai bahan ajar pada mata kuliah Statistika dan Probabilitas
pada waktu yang akan datang.

Pada struktur dan penulisan makalah ini kemungkinan masih terdapat

banyak kesalahan yang perlu diperbaiki dan jauh dari kesempurnaan. Jadi saya
selaku penulis sangat terbuka dengan kritikan dan masukan dari pembaca maupun
dosen mata kuliah agar tulisan ini lebih baik dan terstruktur. Atas sumbangsih
pemikiran dan ide dari rekan-rekan seprofesi diucapkan terimakasih.

Penulis

Semarang, 28 April 2016

1
 DAFTAR ISI

DAFTAR ISI........................................................................................................... 2

BAB 1 PENDAHULUAN...................................................................................... 3

1.1 Latar Belakang..............................................................................................3

1.2 Rumusan Masalah.........................................................................................4
1.3 Tujuan Penulisan...........................................................................................4

BAB 2 PEMBAHASAN......................................................................................... 5

2.1 Pengertian Regresi........................................................................................5

2.2 Pengertian Korelasi.......................................................................................6
2.3 Analisis Regresi ...........................................................................................7
2.4 Analisis Korelasi ..........................................................................................8
2.5 Contoh Regresi dan Korelasi .......................................................................9
2.6 Perbedaan Regresi dan Korelasi .................................................................11
2.7 Manfaat Regresi dan Korelasi ....................................................................13

BAB 3 PENUTUP................................................................................................. 16

2
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis dan mempresentasikan data. Singkatnya,
statistika adalah ilmu yang berkenan dengan data. Statistika dibagi menjadi
dua, yaitu Statistika Deskriptif dan Statistika Inferensial. Statistika
deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung
rata-rata dan varians dari data mentah; mendeksripsikan menggunakan
tabel-tabel atau grafik sehingga data mentah lebih mudah “dibaca” dan
lebih bermakna. Sedangkan statistika inferensial lebih dari itu, misalnya
melakukan pengujian hipotesis, melakukan prediksi observasi masa depan,
atau membuat model regresi. Untuk saat ini, kami akan membahas tentang
ilmu Statistika Deskriptif.
Statistika dalam arti sempit berarti kumpulan data berupa angka,
penyajian data dalam table dan grafik, bilangan yang menunjukan
karakteristik dari kumpulan data. Statistika dalam arti luas yaitu metode
yang digunakan dalam pengumpulan dan analisis data yang berupa angka-
angka sehingga dapat diperoleh informasi yang berguna. Statistika adalah
suatu metode yang menjelaskan tata cara pengumpulan, penyusunan,
penyajian, penganalisaan, dan penginterprestasian data menjadi informasi
yang lebih berguna. (wikipedia).
Menurut Sudjana (1996:7), Statistika Deskriptif adalah fase statistika
dimana hanya berusaha melukiskan atau menganalisa kelompok yang
diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau
kelompok yang lebih besar dinamakan Statistika Deskriptif.
Dalam materi Statistika Deskriptif, terdapat Regresi dan Korelasi.
Regresi dan korelasi digunakan untuk mempelajari pola dan mengukur
hubungan statistik antara dua atau lebih variabel.

3
 Sepanjang sejarah umat manusia, orang melakukan penelitian tentang
ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya.
Dan ada tidaknya pengaruh antara satu kejadian dengan kejadian yang
lainnya. Karena itu untuk mempermudah dalam melakukan penghitungan
suatu kejadian maka digunakan korelasi dan regresi dalam ilmu statistika.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi / hubungan (Measures of association). Teknik
ini berguna untuk mengukur kekuatan hubungan antara dua variabel
(kadang lebih dari dua variabel) dengan skala-skala tertentu.
Regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain .Dalam analisis
regresi ,variabel yang mempengaruhi disebut independent variabel
(variabel bebas) dan variabel yang dipengaruhi disebut dependent variabel
(variabel terikat).
Maka dari itu, kami membuat makalah ini dengan judul “Analisa
Korelasi dan Regresi”.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, dapat di rumuskan sebuah
permasalahan sebagai berikut:
1. Apa pengertian Regresi dan Korelasi?
2. Apa kegunaan Regresi dan Korelasi?
3. Apa macam-macam Regresi dan Korelasi?
1.3 Tujuan

Berikut ini adalah beberapa tujuan penulisan makalah :

1. untuk mengetahui pengertian Regresi dan Korelasi

2. Untuk mengetahui kegunaan Regresi dan Korelasi

3. Untuk mengetahui jenis-jenis regresi dan korelasi

4
 BAB 2
PEMBAHASAN

2.1 Pengertian Regresi

Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada
tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki
tubuh tinggi memiliki anak-anak yang tinggi, orang tua yang pendek memiliki
anak-anak yang pendek pula. Kendati demikian. Ia mengamati bahwa ada
kecenderungan tinggi anak cenderung bergerak menuju rata-rata tinggi populasi
secara keseluruhan. Dengan kata lain, ketinggian anak yang amat tinggi atau
orang tua yang amat pendek cenderung bergerak kearah rata-rata tinggi populasi.
Inilah yang disebut hukum Golton mengenai regresi universal. Dalam bahasa
galton, ia menyebutkan sebagai regresi menuju mediokritas.

Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh
temannya Karl Pearson, yang mengumpulkan lebih dari seribu catatan tinggi
anggota kelompok keluarga. Ia menemukan bahwa rata-rata tinggi anak laki-laki
kelompok ayah (yang) pendek lebih besar dari pada tinggi ayah mereka, jadi
“mundurnya” (“regressing”) anak laki-laki yang tinggi maupun yang pendek
serupa kea rah rata-rata tinggi semua laki-laki. Dengan kata lain Galton, ini adalah
“kemunduran kearah sedang”.

Secara umum, analisis regresi pada dasarnya adalah studi mengenai

ketergantungan satu variabel dependen (terikat) dengan satu atau lebih variabel
independent (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/
atau memprediksi rata-rata populasi atau niiai rata-rata variabel dependen
berdasarkan nilai variabe! independen yang diketahui. Pusat perhatian adalah pada
upaya menjelaskan dan mengevalusi hubungan antara suatu variabel dengan satu
atau lebih variabel independen.

5
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing
variable independent. Koefisien ini diperoleh dengan cara memprediksi nilai
variable dependen dengan suatu persamaan.

2.2 Pengertian Korelasi

Korelasi merupakan teknik analisis yang termasuk dalam salah satu
teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran
asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam
statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua
variabel.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk
mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah
hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar
hubungan yang terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi
sederhana (bivariate correlation) diantaranya Pearson Correlation, Kendall’s tau-b,
dan Spearman Correlation. Pearson Correlation digunakan untuk data berskala
interval atau rasio, sedangkan Kendall’s tau-b, dan Spearman Correlation lebih
cocok untuk data berskala ordinal.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena
kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X
mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0),
maka tidak terdapat hubungan antara kedua variabel tersebut. Dalam korelasi
sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya
dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk
variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan
kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan
kerja merupakan variabel Y.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk
mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui arah
hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar
hubungan yang terjadi antara dua variabel.

6
2.3 Analisis Regresi
Jika dalam analisis korelasi peneliti hanya tertarik pada derajat asosiasi
atau kecenderungan umum dua buah peubah atau lebih, maka dalam analisis
regresi peneliti ingin memperoleh hubungan fungsional antara dua peubah yang
dinyatakan dalam bentuk , Y a bX = + yang merupakan penduga dari fungsi yang
ada pada populasi yang biasa dinotasikan dengan 0 1 , atau = , Y X Y X α βββ =
++ atau untuk peubah bebas lebih dari satu dinyatakan sebagai = ,… Y X X β ββ
++ Melalui analisis regresi peneliti ingin menghitung nilai penduga untuk j β yang
sesuai dengan data. Selain melakukan penghitungan nilai penduga untuk j β juga
sekaligus melakukan uji apakah nilainya signifikan atau dapat diabaikan (tidak
signifikan). Regresi mengukur seberapa besar suatu variabel mempengaruhi
variabel yang lain, sehingga dapat digunakan untuk melakukan peramalan nilai
suatu variabel berdasarkan variabel lain. Analisa regresi ada dua : Analisa Regresi
Sederhana dan Analisis Regresi Berganda.
Analisis regresi linier berganda adalah hubungan secara linear antara dua
atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y).
Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel independen berhubungan
positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila
nilai variabel independen mengalami kenaikan atau penurunan. Data yang
digunakan biasanya berskala interval atau rasio.
Analisis regresi sederhana hanya terdiri atas satu peubah bebas (peubah
penjelas/eksplanatori) X dan satu peubah terikat (respon) Y dengan hubungan
linier. Kedua peubah ini merupakan peubah kuantitatif, khusus untuk Y harus
dengan skala interval atau rasio. Dengan visualisasi secara geometris dapat
ditafsirkan bahwa dengan analisis regresi kita ingin menduga garis populasi yang
sesungguhnya tidak pernah diketahui (garis lurus putus-putus) berdasarkan sampel
pasangan data pada sampel. Persoalanvini merupakan persoalan estimasi uji
inferensi daam regresi. Garis regresi penduga ini dapat dipergunakan untuk
meramal (prediksi) rentang rata-rata nilai Y pada saat nilai X diketahui, demikian
juga rentang nilai-nilai Y pada saat nilai tertentu dari X .

7
Berikut ini adalah contoh rumus :
Keterangan :
Y = nilai yang diukur/dihitung pada variabel tidak bebas
x = nilai tertentu dari variabel bebas
a = intersep/perpotongan garis regresi dengan sumbu y
b = koefisien regresi /kemiringan dari garis regresi/untuk mengukur kenaikan atau
penurunan y untuk setiap perubahan satu-satuan x /untuk mengukur besarnya
pengaruh x terhadap y kalau x naik satu unit.

2.4 Analisa Korelasi

Analisa Korelasi digunakan untuk mengukur kekuatan keeratan hubungan antara
dua variabel melalui sebuah bilangan yang disebut koefisien korelasi. Dalam
analisis korelasi, kita menghitung derajat asosiasi antara satu peubah peubah lain
(misalnya antara berat badan dan tinggi badan, antara berat dengan kolesterol,
antara nilai IQ dengan perolehan nilai ujian mata matematika dan sebagainya).
Ada dua jenis ukuran korelasi yang banyak yaitu:
Korelasi produk momen Pearson untuk mengukur derajat asosiasi beberapa
peubah dengan skala interval atau rasio.
Korelasi Spearman untuk mengukur derajat asosiasi antara beberapa dengan skala
ordinal (rank).
Koefisien korelasi linier ( r ) adalah ukuran hubungan linier antara dua
variabel/peubah acak X dan Y untuk mengukur sejauh mana titik-titik
menggerombol sekitar sebuah garis lurus regresi. Berikut ini adalah rumus dari
Korelasi :

Koefisien korelasi atau derajat asosiasi dua peubah (dinotasikan dengan r).
Besarnya r berkisar antara -1<.r<1. Ilustrasi grafik sebaran data dengan berbagai
nilai korelasi dapat disajikan dalam bentuk diagram pencar.
Kegunaan diagram pencar :
1. Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara
dua variabel.

8
2. Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara
kedua variabel tersebut.
3. Menentukan persamaan garis regresi atau mencari nilai-nilai konstan.

Koefisien Determinasi ( r2 )
nilainya antara 0 dan 1
untuk menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat
dijelaskan oleh nilai-nilai peubah X melalui hubungan linier tersebut.
Contoh : r = 0,6 artinya 0,36 atau 36 % diantara keragaman total nilai-nilai Y
dapat dijelaskan oleh hubungan liniernya dengan nilai-nilai X. atau Besarnya
sumbangan X terhadap naik turunnya Y adalah 36 % sedangkan 64 % disebabkan
oleh faktor lain.

2.5 Contoh Regresi dan Korelasi

Berikut adalah data biaya promosi dan volume penjualan PT. Sukasukaku
perusahaan minyak goreng.

X Y
Biaya Volume
Promosi penjualan

(Juta (Ratusan juta

Rupiah) rupiah per liter)

Tahun xy X2 Y2

1992 2 5 10 4 25

1993 4 6 24 16 36

1994 5 8 40 25 64

1995 7 10 70 49 100

9
1996 8 11 88 64 121

∑ ∑x=26 ∑y=40 ∑xy=232 ∑x2=158 ∑y2=346

Bentuk umum persamaan regresi linier sederhana: Y=a+bx

a=5

1.6 Analisis Korelasi dan Regresi dengan Excel

1. Untuk dapat menggunakan perintah data analisis:
• Aktifkan program Microsoft Excel hingga terdapat worksheet kosong.
• Klik File, Klik Menu Options,
• Sebuah kotak dialog Excel Options ditampilkan, dan klik menu add-ins,
• Dibagian bawah terdapat kotak Manage: Excel Add-ins. Klik icon Go.
• Check list Anaylsis Tool Pak dan klik Go

2. Analisis Regresi
Analisis regresi bertujuan untuk melihat pengaruh satu variabel terhadap
variabel lainnya.
Langkah-langkah membuat Regresi dengan menggunakan excel:
1. Ketik data X pada kolom B dan data Y pada kolom C
2. Pilih Data pada menu utama
3. Pilih Data Analysis
4. Pilih Regression
5. Klik OK Setelah muncul kotak dialog
üPada input Y range , sorot pada range C3:C7
üPada input X range, sorot pada range B3:B7
üPada output range, ketik A9
üKlik OK
Maka hasil yang akan dikeluarkan adalah sebagai berikut:

10
 3. Analisis Korelasi
• Analisis korelasi juga dapat digunakan dalam Excel.
• Korelasi menunjukkan keeratan hubungan antar variabel
• Keeratan tersebut dicerminkan dari nilai korelasi yang semakin tinggi.
• Nilai korelasi berada di antara 0 hingga 1
• Tanda nya dapat positip dan negatif
• Positip menunjukkan hubungan dua variabel searah sedang negatif
menunjukkan hubungan kedua variabel berlawanan.

Langkah-langkahnya membuat korelasi dengan menggunakan excel:

1. Pilih Data pada menu utama
2. Pilih Data analysis
3. Pilih Correlation
4. Klik OK Setelah muncul kotak dialog
ü Pada Input Range, sorot pada range A2:B11
ü Pada Output Range, ketik D23
ü Klik OK
Maka hasil yang akan dikeluarkan adalah sebagai berikut:

4. Membuat grafik regresi linier

5. Pilih menu Insert – Scatter, pilih type scatter only mark
6. Pada Chart Layout dimenu bar, pilih Layout ke 3. Maka hasil yang akan
keluar adalah sebagai berikut.

2.6 Perbedaan Regresi dan Korelasi

Pernyataan yang sering kita dengan adalah bahwa regresi dimengerti
dengan kata kunci pengaruh, dan korelasi dimengerti dengan kata kunci
hubungan. Pengertian sederhana itu tidaklah salah, akan tetapi, tidak ada salahnya
juga kita memahami secara lebih lanjut tentang regresi dan korelasi.
Analisis korelasi berkaitan erat dengan regresi, tetapi secara konsep
berbeda dengan analisis regresi. Analisis korelasi adalah mengukur suatu tingkat

11
atau kekuatan hubungan linear antara dua variabel. Koefisien korelasi adalah
mengukur kekuatan hubungan linear. Sebagai contoh, kita tertarik untuk
menemukan korelasi antara merokok dengan penyakit kanker, berdasarkan
penjelasan statistik dan matematika, pada anak sekolah dan mahasiswa (dst).
Dalam analisis regresi, kita tidak menggunakan pengukuran tersebut.
Analisis regresi mencoba untuk mengestimasi atau memprediksikan nilai rata-rata
suatu variabel yang sudah diketahui nilainya, berdasarkan suatu variabel lain yang
juga sudah diketahui nilainya. Misalnya, kita ingin mengetahui apakah kita dapat
memprediksikan nilai rata-rata ujian statistik berdasarkan nilai hasil ujian
matematika.
Regresi mempelajari bentuk hubungan antar variabel mealui suatu
persamaan. Persamaan yang digunakan untuk melihat hubungan antar variabel
adalah Regresi Linear Sederhana (RLS), Regresi Linear Berganda (RLB), dan
Regresi non Linear.
Regresi bisa berupa hubungan sebab akibat.
Regresi mengukur seberapa besar suatu variabel mempengaruhi variabel yang
lain, sehingga dapat digunakan untuk melakukan peramalan nilai suatu variabel
berdasarkan variabel lain.
Korelasi juga mempelajari hubungan antar variabel, tetapi digunakan
untuk melihat seberapa erat hubungan antar dua variabel kuantitatif dilihat dari
besarnya angka dan bukan dari tandanya.
Dengan menggunakan korelasi, kita dapat mengetahui arah hubungan
yang terjadi dalam dua variabel. Jika korelasi bertanda positif artinya berbanding
lurus dan jika bertanda negatif maka berbanding terbalik.
Korelasi tidak bisa menyatakan hubungan sebab akibat meskipun angka
korelasinya tinggi. Misal ada dua pernyataan:
1. Tanaman mati kekeringan di musim kemarau
2. Pupuk kompos diberikan saat musim kemarau
Dari kedua pernyataan di atas, kita tidak dapat mengatakan bahwa pupuk kompos
menyebabkan tanaman mati meskipun korelasinya tinggi.

12
2.7 Manfaat Regresi dan Korelasi
Kegunaan Analisis Korelasi dan Regresi. Dalam kebanyakan fenomena
alam, menaksir rerata populasi, atau menguji perbedaan dua rerata dengan teknik
uji statistika, baik yang memerlukan asumsi sebaran khusus (parametrik) mau pun
yang tidak ketat asumsi sebarannya (nonparametrik) menjadi tidak efisien dan
tidak efektif lagi. Hal ini disebabkan oleh banyaknya peubah yang berhubungan
dan saling menjelaskan antara yang satu dengan yang lainnya. Misalnya, kita akan
memperkirakan nilai jual sebuah rumah di suatu daerah tertentu. Kita dapat
mengambil sampel acak dari ratusan rumah yang ada dalam daerah tersebut,
kemudian kita menghitung rerata harga jualnya. Tetapi, menggunakan metode ini,
kita mengabaikan informasi yang mudah diamati, misalnya luas lantai, banyaknya
kamar tidur, banyaknya kamar mandi, dan umur rumah tersebut. Informasi ini
akan lebih bermanfaat kalau digunakan menaksir nilai jual rumah yang
bersangkutan.
Dari latar belakang yang kita perhatikan di atas, metode atau analisis
korelasi dan regresi merupakan topik penting untuk dibicarakan. Metode korelasi
dapat mengukur kuatnya hubungan antara dua peubah yang sifat hubungannya
simetris atau timbal balik Seperti metode korelasi; metode regresi sudah menjadi
bagian integral dari setiap analisis data yang memperhatikan hubungan antara satu
peubah tanggapan (response variable) dengan satu atau lebih peubah penjelas
(explanatory variables). Istilah peubah tanggapan kadang-kadang juga disebut
peubah terikat atau terikat (dependent variable), dan peubah penjelas disebut
peubah penaksir (predictor variable) atau peubah bebas (independent variable).
Penggunaan istilah ini biasanya disesuaikan dengan situasi peubah-peubah yang
dipelajari hubungannya, dan juga selera penggunanya.
Pertama-tama kita akan membicarakan masalah yang berkaitan dengan
nilai rerata suatu peubah terikat Y (katakanlah harga jual rumah) terhadap suatu
peubah bebas X (misalnya luas lantai rumah) dengan menggunakan hubungan
linear. Model ini disebut model linear karena semua peubah yang muncul dalam
model itu berpangkat satu. Kalau dilihat dari banyaknya peubah bebas dalam

13
model, maka model itu disebut model linear sederhana, karena hanya mempunyai
satu peubah bebas.
Dalam hal mempelajari hubungan antarpeubah, regresi linear bukan satu-
satunya model yang harus digunakan, kita juga dapat menggunakan model
nonlinear, seperti model kuadratik, kubik, eksponen, logaritma, dan lain-lain.
Penentuan model tergantung pada sifat peubah atau Pemilihan Peubah dalam
Model populasi tempat data diambil. Sebelum menentukan model pilihan, kita
perlu mengadakan suatu diagnosis terhadap data yang diperoleh. Diagram pencar
adalah salah satu alat diagnosis untuk mendapatkan gambaran tentang hubungan
antara peubah bebas dan peubah terikat. Dari diagram pencar itu, kita dapat
memperkirakan bahwa model yang relevan adalah linear atau nonlinear.
Selanjutnya, kalau kita memasukkan lebih dari satu peubah bebas dalam
model, maka diperoleh model regresi ganda (multiple regression model). Seperti
model sederhana, model regresi ganda dapat juga dibedakan atas model regresi
linear ganda dan model regresi nonlinear ganda. Dalam hal ini, kita dapat
membangun model satu peubah tanggapan Y (katakanlah nilai jual rumah)
sebagai fungsi dari peubah-peubah kuantitatif (seperti luas lantai, umur rumah,
luas pekarangan, dan banyaknya kamar), atau sebagai fungsi dari peubah-peubah
kualitatif (seperti jenis konstruksi, dan lokasi).
Penggunaan Paket Komputer dalam StatistikaTersedianya paket statistika
sebagai perangkat lunak komputer memudahkan banyak peneliti dalam
penggunaan analisis statistik terhadap data yang diperoleh. Ketersediaan fasilitas
ini memudahkan dan sangat menguntungkan karena beberapa faktor.
1. Proses analisis, terutama perhitungan dapat dilakukan dengan cepat sekali
tanpa ada kesalahan hitung.
2. Peneliti dapat menghindari pekerjaan hitung yang memerlukan waktu lama
apabila dikerjakan dengan cara manual, yang akibatnya bisa melelahkan dan
terjadinya kesalahan.
3. Peneliti sudah dapat memiliki waktu yang cukup memadai untuk berpikir
dan mengembangkan masalah penelitiannya, menafsirkan hasil analisis data yang

14
diperolehnya, dan mengimplementasikan serta menin¬daklanjuti rekomendasi
dari temuan-temuannya.
Di samping kemudahan dan sejumlah keuntungan lain yang diberikan oleh
fasilitas komputer yang tersedia, ada peringatan keras agar peneliti memilih paket
statistika dengan lebih hati-hati. Paling sedikit tiga situasi yang memerlukan
kehati-hatian dengan penggunaan paket statistika dalam komputer, yaitu:
1. Ketika menganalisis data dan tidak memiliki pengetahuan statistika yang
cukup untuk mengerti secara lengkap hasil (out put) komputer yang diperoleh;
2. ketika mengajarkan penggunaan paket statistika dalam suatu pelatihan
yang terpisah dari pengajaran statistika;
3. ketika menggunakan paket statistika dalam pengajaran bidang tertentu
tanpa memerlukan metode statistika yang menunjang paket tersebut.

15
 BAB 3
PENUTUP

1.1 Kesimpulan
Korelasi merupakan hubungan antara dua kejadian dimana kejadian yang
satu dapat mempengaruhi eksistensi kejadian yang lain, Misalnya kejadian X
mempengerahui kejadian Y. Apabila dua variable X dan Y mempunyai hubungan,
maka nilai variable X yang sudah diketahui dapat dipergunakan untuk
memperkirakan/menaksir atau meramalkan Y. Ramalan pada dasarnya merupakan
perkiraan/taksiran mengenai terjadinya suatu kejadian(nilai suatu variabel) untuk
waktu yang akan datang. Variable yang nilainya akan diramalkan disebut variable
tidak bebas (dependent variable), sedangkan variabel C yang nilainya
dipergunakan untuk meramalkan nilai Y disebut variable bebas (independent
variable) atau variable peramal (predictor) atau seringkali disebut variable yang
menerangkan (explanatory).
Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui suatu
di luar hasil penyelidikan, Salah satu cara untuk melakukan peramalan adalah
dengan menggunakan garis regresi. Untuk menghitung parameter yang akan
dijadikan dalam penentuan hubungan antara dua variabel, terdapat beberapa cara,
yaitu: koefisien detreminasi, koefisien korelasi. Apabila terdapat data
berkelompok menggunakan koefisien data berkelompok dan bila menggunakan
data berganda maksudnya variabel bebas yang mempengaruhi variabel terikat ada
dua, maka menggunakan koefisien berganda.Sedangkan regeresi di bagi menjadi
dua, yaitu regresi linier dan regresi non linier. Dimana regresi linier juga dibagi
menjadi dua yakni regresi linier sederhana dan regresi linier berganda.
1.2 Saran
Saran saran yang dapat saya simpulkan dari isi makalah diatas adalah
sebagai berikut :
 Banyak-banyaklah membaca tentang Regresi dan Korelasi
 Gunakan sofware penunjang seperti SPSS dan Microsoft Excel
 Sering lah berlatih untuk meningkatkan kemampuan

16