RESUME

STATISTIK PENDIDIKAN

Tentang

“Regresi Dan Korelasi”

OLEH :

KELOMPOK 4

1. Zalmonetasari
2. Yuli Irma Yenti
3. Tirta Maya Sari
4. Yola Yolanda
5. Yedika Fermana

SEKSI : 17 BB 07

Dosen Pembimbing:

Dra. Yetti Ariani, M. Pd

PENDIDIKAN GURU SEKOLAH DASAR

FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS NEGERI PADANG
2019
 REGRESI DAN KORELASI

A. Pengertian Regresi dan Korelasi

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.
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 nilai rata-rata variabel dependen berdasarkan nilai variabel 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.
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.
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. Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat
atau dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila
perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang lain secara
teratur dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif).

B. Analisis Regresi dan Korelasi

Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang
mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi
disebut Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat
satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi
sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan
regresi berganda.
Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan
hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria,
yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan tidak mempunyai
hubungan.
Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan
(rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan
metode sebagai berikut :

a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
 Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar
(X) terhadap nilai ujian (Y) adalah sebagai berikut :
Y(nilai X (lama belajar) X2 XY
ujian)

40 4 16 160

60 6 36 360

50 7 49 350

70 10 100 700

90 13 169 1.170

ΣY = 310 ΣX = 40 ΣX2 = 370 ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4
Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X
Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas,
maka dapat diketahui bahwa :
1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2)
terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin
baik atau tinggi nilai ujiannya
2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar
sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-
variabel lain yang dapat mempengaruhi dianggap tetap.
Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan
antar variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari
koefisien korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan
positif yang erat, bila mendekati angka – 1 berarti terjadi hubungan negatif yang erat.
Sedangkan koefisien korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel
adalah lemah atau tidak erat. Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1.
Untuk koefisien korelasi sama dengan – 1 atau + 1 berarti hubungan kedua variabel adalah
sangat erat atau sangat sempurna dan hal ini sangat jarang terjadi dalam data riil.
Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut :
r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan
Matematika sebagai berikut :
Sampel X (statistik) Y (matematika) XY X2 Y2
1 2 3 6 4 9
2 5 4 20 25 16
3 3 4 12 9 16
4 7 8 56 49 64
5 8 9 72 64 81
Jumlah 25 28 166 151 186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai
statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika
mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan
sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.

C. Macam-Macam Regresi dan Korelasi

Macam-macam regresi itu terbagi lima antara lain sebagai berikut:

1. Regresi Linier Sederhana

Hubungan antara 2 variabel. Yaitu x (variabel bebas) dan y (variabel tak bebas).
Kedua variable datanya kuantitatif.
Misal: Berat badan seseorang dipengaruhi tinggi badannya
 2. Regresi Linier Berganda
Hubungan antara variabel y dengan dua atau lebih variabel x. Semua variable datanya
kuantitatif.
Misal : produksi padi dipengaruhi oleh jenis pupuk, suhu, lama penyinaran, dll
3. Regresi Nonlinier
Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju
perubahan y akibat laju perubahan x tidak konstan untuk nilai-nilai x tertentu. Misal :
Produksi padi akan meningkat saat diberi pupuk taraf rendah ke sedang. Tapi kalau
diberi dengan taraf tinggi, malah produksinya menurun.
4. Regresi Dummy
Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif).
Misal : Melihat pengaruh kemasan terhadap harga jual makanan. Kita coding 1 jika
kemasan menarik dan 0 jika kemasan tidak menarik. 1 dan o adalah variabel dummy.
5. Regresi Logistik
Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif).
Misal : Ingin diketahui apakah konsumen akan membeli makanan di rumah makan
berdasarkan penilaian konsumen terhadap lokasi, pelayanan, pendapatan. Dalam
kasus ini hanya ada 2 kemungkinan respon konsumen, yaitu konsumen membeli (1)
dan tidak membeli (0).

Macam-macam korelasi terdiri dari:

1) Korelasi Positif
Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri,
bahwa perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan
variable dependent y (variabel bebas y) secara ‘’Searah’’
2) Korelasi Negatif
Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri,
bahwa perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan
variable dependent y (variabel bebas y) secara ’’Berlawanan”.
3) Korelasi Sederhana (Simple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel saja.
 4) Korelasi Multiple (Multiple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel atau lebih. Misalkan pada
model regresi linier multiple (y = a0 + a1x1 + a2x2 + e), maka maksud dan pengertian
dari pernyataan diatas adalah Tingkat hubungan antara antar y dan x1 atau tingkat
hubungan antara y dengan x2 atau tingkat hubungan antara x1 dan x2.
5) Korelasi Sempurna (Perfect Corelation)
Maksud dan pengertian dari korelasi sempurna antara 2 variabel, yaitu suatu kondisi
bahwa setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas
y-nya. Hal ini dapat diartikan pula, bahwa garis regresi yang terbentuk dari kata yang
tersebar (terdistribusi) adalah merupakan tempat kedudukan dari data-data dimaksud,
sehingga nilai r nya =1 atau r = -1.
6) Korelasi Tidak sempurna (Imperfect Corelation)
Korelasi antara 2 (dua) variabel yang dikatakan tidak sempurna, jika titik-titik yang
tersebar tidak terdistribusi tepat pada satu garis lurus.
7) Korelasi yang Mustahil (Nonsense Corelation)
Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada.

D. Tujuan Pengggunaan Regresi dan Korelasi

Ada beberapa tujuan penggunaan analisis regresi, antara lain:
1. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai
variabel bebas.
2. Menguji hipotesis karakteristik dependensi.
3. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai
variabel bebas diluar jangkauan sample.

Adapun tujuan penggunaan korelasi yaitu: untuk mengukur kekuatan (strength) dan arah
hubungan hubungan antar dua variabel atau lebih.
Contoh :
1) Mengukur hubungan antara variabel

2) Motivasi kerja dengan produktivitas;

3) Kualitas layanan dengan kepuasan pelangga;

4) Tingkat inflasi dengan IHSG

E. Karakteristik Penggunaan Regresi dan Korelasi
Regresi memiliki beberapa karakteristik antara lain :
1. regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05.
2. Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat
tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi
linier berganda dengan variabel bebas lebih dari satu.
3. Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2 semakin
besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model
regresi semakin baik. Nilai r2 mempunyai karakteristik diantaranya: 1) selalu positif,
2) Nilai r2 maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian
yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh
model regresi. Sebaliknya jika r2 sama dengan 0, maka tidak ada hubungan linier
antara X dan Y.
4. Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
5. Data harus berdistribusi normal
6. Data berskala interval atau rasio
7. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas
(disebut juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung
(disebut juga sebagai variabel response).

Korelasi memiliki beberapa karakteristik antara lain :

1. Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi
dapat positif dan dapat pula negatif.
2. Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada
hubungan antara dua variabel.
3. Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel
mempunyai hubungan linier sempurna (membentuk garis lurus) positif. Korelasi
sempurna seperti ini mempunyai makna jika nilai X naik, maka Y juga naik.
4. Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier
sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai
makna jika nilai X naik, maka Y turun dan berlaku sebaliknya.
 DAFTAR PUSTAKA

Jonathan Sarwono, Korelasi dan Regresi Linier. Pdf.

Supangat,Andi. 2010. Statistika. Jakarta:Kencana.
Sudjana. 2005. metode Statistika. Bandung: Tarsito.