Anda di halaman 1dari 17

MAKALAH PROBABILITAS

DAN
STATISTIKA
“REGRESI DAN KOLERASI LINIER SEDERHANA”

Kelompok 12
Nama / Nim :
Muhammad Rifky / 5181230010
Syarif Hidayatullah / 5183230014
M Rizki Hafiz Hutasuhut / 5183230009
Josua Butarbutar / 5183530014
Dosen : Amirhud Dalimunthe,S.T.,M.Kom
Nama Mata Kuliah : Probabilitas dan Statistika
Program Studi : Teknik Elektro (S-1)
Semester/TA : (GENAP) 2 / 2019
DAFTAR ISI

KATA PENGANTAR
DAFTAR ISI

BAB I PENDAHULUAN

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Tujuan

1.4 Metode Penelitian

BAB II KAJIAN TEORI

2.1 Pengertian Regresi

2.1 Pengertian Korelasi

BAB III PEMBAHASAN

3.1 Sejarah Stastistika

3.2 Analisis Regresi

3.3 Analisis Korelasi

3.4 Contoh Analisi Regresi dan Korelasi

BAB IV PENUTUP

DAFTAR PUSTAKA
BAB I

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.

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.

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 (variable bebas) dan variabel yang dipengaruhi disebut
dependent variabel (variabel terikat).

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 Penulisan

Berikut ini adalah beberapa tujuan penulisan makalah :

1. Untuk mengetahui pengertian dan perhitungan Regrasi dan Korelasi.


2. Untuk mengetahui cara perhitungan Ukuran Gejala Pusat Data yang belum di
kelompokkan.
3. Membuat para mahasiswa lebih mengetahui dan memahami materi ini melalui analisa
data, penarikan kesimpulan dan pembuat keputusan.

1.4. Metode Penulisan

Dalam penulisan makalah ini kami menggunakan metode study kepustakaan yaitu
proses pencarian dan pengumpulan data dari buku-buku dan situs-situs yang berhubungan
dengan judul makalah yang kami buat.

BAB II
KAJIAN TEORI

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.

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.
BAB III

PEMBAHASAN

3.1 Sejarah Statistika

Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk


pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan
mengartikannya sebagai “ilmu tentang negara (state)”. Pada awal abad ke-19 telah terjadi
pergeseran arti menjadi “ilmu mengenai pengumpulan dan klasifikasi data”. Sir John Sinclair
memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika
secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-lembaga administratif
dan pemerintahan. Pengumpulan data terus berlanjut, khususnya melalui sensus yang
dilakukan secara teratur untuk memberi informasi kependudukan yang berubah setiap saat.

Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-
bidang dalam matematika, terutama peluang. Cabang statistika yang pada saat ini sangat luas
digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh
kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika
inferensi), Karl Pearson(metode regresi linear), dan William Sealey Gosset (meneliti problem
sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan telah
menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-
bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi
oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan
seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.

Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika,
tetapi sebagian pihak lainnya menganggap statistika sebagai bidang yang banyak terkait
dengan matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika
sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam
departemen tersendiri maupun tergabung dengan matematika.

3.2 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 .

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.

3.2 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.
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.

3.4 Contoh Regresi dan Korelasi

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

Tahun X Y xy X2 Y2
Biaya Volume penjualan
Promosi (Ratusan juta rupiah per
(Juta Rupiah) liter)
1992 2 5 10 4 25
1993 4 6 24 16 36
1994 5 8 40 25 64
1995 7 10 70 49 100
1996 8 11 88 64 121
∑ ∑x=26 ∑y=40 ∑xy=23 ∑x2=15 ∑y2=34
2 8 6

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

a=5

Peramalan dengan persamaan Regresi

Contoh:

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+1.053X

Perkiraan volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta adalah?

Jawab:

Y=2.530+1.053X

X=10=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

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 hubungan linier

Lihat contoh diatas, setelah mendapatkan persamaan regresi Y=2.530+1.053X, hitung


koefisien korelasi (r) dan koefisien determinasi (R).

Gunakan data berikut (lihat contoh diatas)

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

R= r2 = 098572..=0.97165…=97%

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

3.5 Analisis Korelasi dan Regresi dengan Excel

Untuk dapat menggunakan perintah data analisis:

1. Aktifkan program Microsoft Excel hingga terdapat worksheet kosong.


2. Klik File, Klik Menu Options,
3. Sebuah kotak dialog Excel Options ditampilkan, dan klik menu add-ins,
4. Dibagian bawah terdapat kotak Manage: Excel Add-ins. Klik icon Go.
5. Check list Anaylsis Tool Pak dan klik Go

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
6. Pada input Y range , sorot pada range C3:C7
7. Pada input X range, sorot pada range B3:B7
8. Pada output range, ketik A9
9. Klik OK

Maka hasil yang akan dikeluarkan adalah sebagai berikut:

1. Analisis Korelasi
2. Analisis korelasi juga dapat digunakan dalam Excel.
3. Korelasi menunjukkan keeratan hubungan antar variabel
4. Keeratan tersebut dicerminkan dari nilai korelasi yang semakin tinggi.
5. Nilai korelasi berada di antara 0 hingga 1
6. Tanda nya dapat positip dan negatif
7. 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
5. Pada Input Range, sorot pada range A2:B11
6. Pada Output Range, ketik D23
7. Klik OK

Maka hasil yang akan dikeluarkan adalah sebagai berikut:

1. Membuat grafik regresi linier


2. Pilih menu Insert – Scatter, pilih type scatter only mark
3. Pada Chart Layout dimenu bar, pilih Layout ke 3. Maka hasil yang akan keluar adalah
sebagai berikut.
3.6 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 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:
 tanaman mati kekeringan di musim kemarau
 pupuk kompos diberikan saat musim kemarau

Dari kedua pernyataan di atas, kita tidak dapat mengatakan bahwa pupuk kompos
menyebabkan tanaman mati meskipun korelasinya tinggi.

3.7. Manfaat Korelasi dan Regresi

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 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.

Proses analisis, terutama perhitungan dapat dilakukan dengan cepat sekali tanpa ada
kesalahan hitung.

Peneliti dapat menghindari pekerjaan hitung yang memerlukan waktu lama apabila
dikerjakan dengan cara manual, yang akibatnya bisa melelahkan dan terjadinya kesalahan.

Peneliti sudah dapat memiliki waktu yang cukup memadai untuk berpikir dan
mengembangkan masalah penelitiannya, menafsirkan hasil analisis data yang diperolehnya,
dan mengimplementasikan serta menindaklanjuti 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:

Ketika menganalisis data dan tidak memiliki pengetahuan statistika yang cukup untuk
mengerti secara lengkap hasil (out put) komputer yang diperoleh;

 ketika mengajarkan penggunaan paket statistika dalam suatu pelatihan yang terpisah
dari pengajaran statistika;
 ketika menggunakan paket statistika dalam pengajaran bidang tertentu tanpa
memerlukan metode statistika yang menunjang paket tersebut.

BAB IV

PENUTUP

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.

DAFTAR PUSTAKA

http://statistikfisika.blogspot.com/2014/11/makalah-statistika-regresi-dan-korelasi_23.html

https://www.scribd.com/doc/253223075/Makalah-Regresi-Dan-Korelasi-Linear-Sederhana

http://ciputrauceo.net/blog/2016/5/16/pengertian-korelasi-dan-macam-macam-korelasi

https://pengertianahli.id/2014/07/pengertian-regresi-apa-itu-regresi.html