-Korelasi dan regresi linear sederhana

KORELASI
• Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain.
Hubungan itu pada umumnya dilakukan dengan maksud tertentu seperti mendapat keringanan
pajak, memperoleh kredit, meminjam uang, serta minta pertolongan/bantuan lainnya.
• Atau dengan kata lain hubungan timbal balik / hukum sebab-akibat
• Contohnya seperti faktor ekonomi (menurunnya hasil penjualan suatu produk) yang disebabkan
Karena menurunnya kualitas produksi atau kemungkinan-kemungkinan lainnya.
KOEFISIEN KORELASI DAN KEGUNAAN
• Suatu hubungan ada yang positif atau negatif.
• dalam analisa korelasi (statistika) pun memiliki nilai positif atau negatif.
• Hubungan varibel X dan Y dikatakan positif apabila kenaikan X pada umumnya diikuti oleh
kenaikan Y. Sebaliknya dikatakan negatif kalau kenaikan X pada umumnya diikuti oleh
penurunan Y.
DIAGRAM PENCAR
• maka untuk mendukung analisis lebih jauh, barangkali tahap selanjutnya adalah menggunakan
grafik. Grafik ini disebut diagram pencar, yang menunjukkan titik-titik tertentu. Setiap titik
memperlihatkan suatu hasil yang kita nilai sebagai varibel tak bebas maupun bebas
PERSAMAAN REGRESI LINEAR
• Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya
korelasi antarvariabelnya.
• Istilah regresi itu sendiri berarti ramalan atau taksiran. Persamaan yang digunakan untuk
mendapatkan garis regresi pada data diagram pencar disebut persamaan regresi.
• Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari variabel tak
bebas pada nilai variabel bebas tertentu. Tentu saja, tidak mungkin untuk mengatakan dengan
tepat.
MODEL REGRESI LINEAR SEDERHANA
• Yi = β0 + β1Xi + εi (i = 1, 2, …, n)
• dimana :
• Yi merupakan nilai dari variabel dependent pada observasi ke-i
• β0 dan β1 merupakan parameter model
• εi merupakan komponen error (pengaruh variabel bebas lain selain variabel X)
• Xi adalah nilai variabel bebas X pada observasi ke-i
• N adalah banyaknya data observasi (sampel)
• Note: β0 dan β1 disebut juga koefisien regresi, β0 merupakan intercept dan β1 merupakan
slope (gradien garis) yang menyatakan perubahan nilai Y untuk setiap kenaikan satu satuan X.
CONTOH SOAL :

• Tabel diatas menyajikan data dengan variabel X adalah umur mobil dan variabel Y adalah
harga. Hasil estimasinya adalah sebagai berikut :

sehingga persamaan regresinya menjadi

Yˆ=195.47−20.26X
Dari hasil estimasi yang diperoleh dapat disimpulkan bahwa setiap umur mobil bertambah
satu tahun maka harga mobil tersebut akan turun sebesar $2.026.
REGRESI NON LINEAR
Sebagai suatu bentuk regresi yang melibatkan hubungan antara variabel bebas dan variabel
terikat, yang tidak bersifat linear.
1. Parabola kuadratik
Ý = a + bX + cX2
Dengan menggunakan metode kuadrat terkecil, maka a, b, dan c dapat dihiyung dari sistem
persamaan :

2. Parabolik kubik
Ý = a + bX + cX2 + dX3
Untuk menentukan nilai a, b, c, dan d digunakan sistem persamaan berikut :

3. Eksponen (Logaritma)
Ý = abx
Besar nilai a dan b ditentukan menggunakan persamaan :

4. Geometrik
Ý = aXb
Besar nila a dan b ditentukan menggunakan persamaan :

5. Gompertz
Ý = pqbX
6. Logistik
Ý = 1 / (abX + c)
7. Hiperbola
Ý = 1 / (a + bX)
Jika Ý tidak ada yang bernilai 0, maka a dan b adalah :
 PROBALITAS ATAU PELUANG
Probabilitas adalah suatu ukuran tentang kemungkinan suatu peristiwa (event) akan
terjadi di masa mendatang. Probabilitas dinyatakan antara 0 sampai 1 dan dinyatakan dalam
desimal (misalnya: 0,65) atau dalam persentase (65%). Probabilitas 0 menunjukkan peristiwa
yang tidak mungkin terjadi. Probabilitas satu menunjukkan peristiwa yang pasti terjadi. Maka
probabilitas dapat didefinisikan sebagai peluang suatu kejadian.
P(A)=X/N
 P : Probibilitas atau peluang
 A : suatu kejadian atau peristiwa yang di inginkan
 X : seberapa banyak kesempatan terjadinya suatu kejadian
 N : jumlah seluruh kemungkinan yang akan atau bisa terjadi

MANFAAT PROBALITAS / PELUANG

Mempelajari probabilitas sangat berguna untuk pengambilan keputusan yang tepat, sehingga
diperlukan untuk mengetahui berapa besar probabilitas suatu peristiwa akan terjadi. Contoh :
◦ Pembelian harga saham berdasarkan analisis harga saham.
◦ Peluang produk yang dihasilkan perusahaan (sukses atau tidak )
◦ Meskipun kejadian tersebut tidak pasti, tetapi kita bisa melihat fakta-fakta yang ada untuk menuju
derajat kepastian atau derajat keyakinan bahwa sesuatu akan terjadi. Derajat/tingkat kepastian
atau keyakinan dari munculnya hasil percobaan statistic disebut probabilitas atau peluang. Suatu
probabilitas dilambangkan dengan P.
Mutually exclusive
• Untuk kejadian yang mutual exclusive dimana,
Tidak akan terjadi bersamaan
Contoh sebuah dadu dan kejadian 1 dan 6, karena tidak mungkin 1 dan 6 terjadi bersamaan.
Dapat di rumuskan dengan,
P(A ∪ B) = P(A) + P(B)
Contoh soal,
Apabila Kita Menarik Satu Dari Setumpuk Kartu Bridge, Kejadian (Hasil) Kartu As Dan
Hasil Kartu King Adalah Mutually Exclusive. Maka, Probabilitas Untuk Memperoleh Salah
Satu Kartu As Dan Kartu King Dalam Satu Kali Tarikan Adalah ?
 Jawab :
A= kartu AS
B = kartu King

Pr ( A∪ B) = P(A) + P(B)
= 4 / 52 + 4 / 52
= 8 / 52
= 0,15
Jadi, Besar-Nya Probabilitas-Nya Adalah 0,15 (15%)
 Non mutually exclusive
• Dua kejadian dapat terjadi secara “bersamaan”
• Dapat di rumuskan dengan,
P(A∪B) = P(A) + P(B) – P(A∩B)
Contoh soal,
Bila Kita Menarik Sebuah Kartu Dari setumpuk Kartu "Bridge", Berapakah Probabilitas
Untuk Mendapatkan Kartu As Atau Jantung Atau Kedua-Nya Dengan Satu Kali Tarikan ?
A= Kejadian terambil kartu AS
B= kejadian terambil kartu jantung
P ( A Atau B ) = P(A) + P(B) - P( A ∩ B )
= 4 / 52 + 13 / 52 - 1 / 52
= 16 / 52
= 4 / 13
= 0,3077
Jadi, besar Probabilitas Dari Kejadian Tersebut Adalah 0,3077 (30,77%)

Idependent (bebas)
 Dua Kejadian Atau Lebih Dikatakan Kejadian Bebas, Apabila Terjadi-Nya Kejadian Tersebut
Tidak Saling Mempengaruhi. Misal-Nya Adalah 2 Kejadian A Dan B, Jika Kejadian A tidak
Mempengaruhi Kejadian B Atau Sebalik-Nya, maka Dikatakan Dua Kejadian Ini Kejadian
Bebas. Atau Dalam Contoh Lain, Misalnya : Banyak-Nya Hujan Di Sumatera Dengan Naik-Nya
Produksi Padi Di Jawa.
Namun, Kenyataan-Nya, Kejadian Bebas Jarang Tejadi Karena Pada Dasar-Nya
Antara Kejadian Yang Satu Dengan Kejadian Yang Lain-Nya Saling Mempengaruhi Baik
Secara Langsung Maupun Tidak Langsung.
Di rumuskan;
P( A ∩ B) = P(A) x P(B)

Contoh soal,
Dalam kotak pertama terdapat 4 bola merah dan 3 bola biru, kotak kedua terdapat 7 bola
merah dan 3 bola putih. Dari masing-masing kotak diambil 1 bola. Peluang terambil bola
merah dari kotak pertama dan bola putih dari kotak kedua adalah…
Jawab,
n(S)= Total bola dalam kotak pertama =7
n(A)= banyaknya bola merah pada kotak satu =4
P(A)=n(A)/n(S)= 4/7
n(S)= Total bola dalam kotak kedua =10
n(B)= banyaknya bola putih pada kotak kedua =3
P(B)=n(B)/n(S)=3/10
P(A∩B) = P(A) × P(B)
=4/7×3/10
=12/70
Jadi peluang terambil bola merah dari kotak pertama dan bola putih dari kotak kedua
adalah 12/70.
 Dependent (bersyarat)
 Untuk mendeskripsikankejadan yang dependent adalah saling mempengaruhi, untuk kejadian A
dimana kejadian B telah terjadi lebih dahulu.
Dengan rumus,
P(A∣B) = P(A∩B)/P(B)

Contoh soal,
Sebuah dadu di lemparkan satu kali dan diketahui mata dadu yang muncul adalah ganjil,
tentukan peluang akan muncul mata dadu yang muncul lebih dari 4.
Jawab,
P(A); ganjil {1,3,5}= 3/6 = 1/2
P(B): lebih dari 4 {5,6} = 2/6=1/3
P(A∩B): ganjil dan lebih dari 4 : {5}= 1/6
P(A∣B) = P(A∩B)/P(B)
= (1/6)/(1/2)
= 1/6 x 2/1
= 1/3
Jadi, peluang dadu yang akan muncul lebih dari 4 yaitu 1/3
 INDEK MUSIMAN
 Konsep
Gerakan musiman merupakan gerakan yang teratur dalam arti naik-turunnya terjadi pada
waktu-waktu yang sama atau sangat berdekatan.
Gerakan musiman terjadi bertepatan dengan pergantian musiman dalam suatu tahun.
 Contoh
naik turunnya temperatur pasien tiap jam
naik turunnya produksi karet tiap bulan
naik turunnya jumlah orang ke luar negeri
 Manfaat
Gerakan musiman sebagai dasar penentuan langkah-langkah kebijakan dalam rangka
mencegah hal-hal yang tidak diinginkan.
 Konsep
Jumlah hari pada setiap bulan tidak sama, sehingga perlu diadakan penyesuaian data.
Penyesuaian data dikarenakan:
1. Jumlah hari untuk tiap bulan tidak sama
2. Jumlah hari kerja tidak sama
3. Jumlah jam kerja tidak sama

• Jumlah hari yang terdapat dalam setiap tahun adalah berbeda dari jumlah rata-rata dari dalam
setiap bulan.
• Untuk menyesuaikan data bulanan dengan perbedaan jumlah hari itu, maka data bulanan darihasil
observasi harus dikalikan dengan faktor pengali.
• Faktor pengali diperoleh dengan mengalikan jumlah hari yang terdapat dalam bulan tersebut (A)
dengan rata-rata hari dalam setiap bulan (B).
• Faktor pengali = AB
365
Rata − rata hari dalam setiap bulan = = 30,4167
12
1. METODE RATA-RATA SEDERHANA
Konsep
Asumsi bahwa pengaruh tren dan siklus yang tidak beraturan tidak besar dan
dapat dianggap tidak ada
Rumus
Nilai Rata − rata
Indeks Musiman =  100
Jumlah Rata − rata
atau
Nilai Rata − rata
Indeks Musiman =  1200
Jumlah Rata − rata