Pengertian Regresi dan Korelasi

         Dalam sejarah matematika Regresi dikembangkan

pertama kali oleh Gauus seorang Ahli matematika pada
tahun 1809. Lalu Gilbert Raff menggunakan prinsip ini
untuk bertrading saham untuk pertama kali. Konsep yang
dipakai untuk menghitung inflasi harga kebutuhan harga
pokok.
Regresi  dan korelasi bertujuan untuk mengetahui
pengaruh suatu variable terhadap variabel lain. Dalam
analisis Regresi, variabel yang mempengaruhi disebut
independent variabel (Variabel Bebas) dan variable yang
dipengaruhi disebut dependent variabel (Variabel Terikat).

contohnya pengaruh antar variable

Pengaruh motivasi belajar terhap prestasi belajar siswa
motivasi belajar – variable bebas (X)
prestasi nilai = variable terikat atau variable yang di
pengaruhi (Y).
Analisa Regresi
         Analisis Regresi digunakan untuk mengetahui
pengaruh dari variable bebas terhadap variable
terikat.
Hasil analisis regresi adalah berupa koefisien regresi
untuk masing-masing variable indepedent. Koefisien
ini diperoleh dengan cara memprediksi nilai variable
depedent dengan suatu persamaan.   
Analisa regresi ada dua : Analisa Regresi Sederhana

X Y

dan Analisa Regresi Berganda.

X1 dan X2
Analisis regresi sederhana hanya terdiri atas satu variabel
bebas X dan satu variabel terikat (respon) Y dengan
hubungan linier. Kedua variabel ini merupakan variabel
kuantitatif.
Analisis regresi linier berganda adalah hubungan secara
linear antara dua atau lebih variabel independent
(X1,X2,.....Xn) dengan variabel dependent (Y). Analisis ini
untuk mengetahui arah hubungan antara variabel
independent dengan variabel dependent apakah
berhubungan positif atau negatif dan untuk memprediksi
nilai variabel depedent apabila nilai variabel indepedent
mengalami kenaikan atau penurunan.

Dalam analisa regresi sederhana, pengaruh satu

variabel bebas dapat dibuat persamaan sebagai
berikut :

Y = a + bx

∑X2 ≠ (∑x)2

Contoh data
3,4,6,7 = 20
∑X2 = 32+42 +,62+72
= 9+16+36+49= 110

(∑x)2= 202 = 400

Keterangan :
n = Banyaknya data
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
untu mengukur kenaikan/penurunan y untuk     setiap
perubahan satuan x atau untuk mengukur besarnya
pengaruh x terhadap y kalau x naik satu unit
 Analisa Korelasi Sederhana
       Analisa korelasi digunakan untuk mengukur kekuatan
keeratan hubungan antara dua variabel melalui sebuah
bilangan yang disebut koefisien korelasi.
Analisis korelasi merupakan salah satu analisis untuk
mengetahui tingkat keeratan hubungan tersebut. Dapat
dibagi menjadi 3 kriteria, mempunyai hubungan positif,
mempunyai hubungan negatif, dan tidak mempunyai
hubungan.

Koefisien Korelasi Linier (r)

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. Besarnyaa  r berkisar anntara -1<.r<1.
Ilustrasi grafik sebaran data dengan berbagai nilai korelasi
dapat disajikan dengan diagram pencar atau  scatter
diagram.
Kegunaan diagram pencar atau scatter diagram :
•   Membantu menunjukkan apakah terdapat hubungan
yang bermanfaat antara dua     variabel.
•   Membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel.
•   Menentukan persamaan garis regresi atau mencari
nilai-nilai konstan.
Rumus Koefisien Korelasi Linier (r) :
n ( ∑ XY ) −(∑ X) .(∑ Y )
r=
√ n ∑ x 2−¿ ¿
 Keterangan :
 n = Banyaknya data
 X = Nilai variabel X
 Y = Nilai variabel Y

Koefisien Determinasi (r2)

Koefisien determinasi pada intinya untuk mengukur
seberapa jauh kemampuan model dalam menerangkan
variasi variable dependen.
Nilai koefisien determinasi adalah antara nol dan satu.Nilai
yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variasi variable dependen.
Rumus Determinasi :

r2 = r x r
Keterangan :
r = Hasil koefisien korelasi linier

CONTOH KASUS & PEMBAHASAN

Contoh Kasus Regresi dan Korelasi
Analisis regresi linier sederhana:       
Tabulasi data penelitian antara dua varibel biaya promosi
(X) dan variabel penjualan rumah (Y)

n ( ∑ XY ) −(∑ X) .(∑ Y )
r=
√ n ∑ x 2−¿ ¿
 no x y XY X2 Y2
1 6 7 42 36 49
2 8 9 72 64 81
∑ 14 16 114 10 130
0

n= 2
∑x =14
∑Y= 16
∑XY =114
∑X2 =100
∑Y2 =130
R = ………
 n ( ∑ XY ) −(∑ X) .(∑ Y )
r=
√ n ∑ x 2−¿ ¿

2 ( 114 )−(14). (16)

¿
√2.100−( 14 ) 2.(2.130)−(16)2
2 28−224
√ 200−( 1 96 ) .(2 60)−(256)
4
¿
√4.4¿
4
= =1
4

Jadi pengaruhnya adalah 1

Persamaan regresinya

Y = a +bx

( 2.114 )−14.16
b=
2 ( 100 )−14 2

( 228 )−224
=
200−196
 4
=1
4

a=8−1 ( 7 )

= 8-7 =1
Y = 1+x
Jadi inilah persamaan regresinya itu.
1. Buatlah diagram pencar atau scatter diagram
2. Tentukan :
o Koefisien Korelasi Linier (r)
o Koefisien Determinasi
o Persamaan Regresi

 Contoh ke 2

Pengaruh x tehadap y

no x y XY X2 Y2
1 3 6
2 4 5
3 6 5
4 7 8
5 6 7
6 9 6
7 4 9
8 7 7
9 6 8
10 7 9
Tentukan korelasi dan persamaan regresinya
Sebagai tugas kirim ke wa max jam 4

Hasil dan Pembahasan

1. Diagram pencar (scatter diagram)
Langkah - langkah membuat grafik regresi linier di
microsoft excel :
-    Masukkan data yang ada di variabel X dan
variabel Y
-    Pilih menu insert, pilih chart dimenu bar
-    Pilih scatter. Maka hasil yang akan keluar adalah
sebagai berikut :
 

 
  

2. Koefisien Korelasi Linier (r)

 
3. Koefisien Determinasi
 r2 = r x r
    = 0,97688 x 0,97688
    = 0,95429

4. Persamaan Regresi
  

Kesimpulan
Setelah melihat hasil dan pembahasan dari contoh kasus
penelitian variabel biaya promosi dengan volume
penjualan rumah dapat disimpulkan sebagai berikut :
a.    Nilai koefisien korelasi diperoleh sebesar 0,977.Hal ini
berarti adanya hubungan positif antara biaya yang
dikeluarkan untuk promosi dengan rata-rata penjualan
rumah. Jika dilihat dari nilai korelasi hubungan variabel
termasuk kategori tinggi,
Dengan demikian berarti biaya promosi memiliki
hubungan yang tinggi terhadap kenaikan rata-rata
penjualan rumah.
Nilai koefisien determinasi sebesar 0,95429. Hal ini
menunjukkan kemampuan variabel biaya promosi dalam
mempengaruhi variabel rata-rata penjualan rumah
sebesar 95%, sedangkan sisanya sebesar 15%
dipengaruhi oleh faktor lain.

b.    Y = 35,64 + 0,74.x

-    Nilai konstanta (a) =35,64 menunjukkan besarnya
variabel rata-rata penjualan rumah yang tidak dipengaruhi
oleh biaya promosi atau dapat diartikan pada saat nilai
biaya promosi sebesar 0, maka rata-rata penjualan rumah
sebesar 35,64.
-    Koefisien regresi sebesar 0,74 berarti biaya promosi
mempunyai hubungan positif atau searah dengan rata-
rata penjualan, karena koefisien regresi bernilai positif.
Setiap peningkatan 1 satuan biaya promosi maka akan
berpengaruh terhadap peningkatan rata-rata penjualan
sebesar 0,74 satuan. Begitu juga sebaliknya setiap
penuruna biaya promosi sebesar 1 satuan akan
berpengaruh terhadap penurunan rata-rata penjualan
sebesar 0,74 satuan.