Pada akhir pertemuan 14, 15 dan 16, mahasiswa diharapkan mampu menganalisis
regresi dan korelasi
B. Pokok Bahasan :
1. Pendahuluan
2. Persamaan regresi linear sederhana
3. Pengujian hipotesis terhadap koefisien regresi linear sederhana
4. Persamaan regresi linear berganda
5. Pengujian hipotesis terhadap koefisien regresi linear berganda
6. Koefisien determinasi
7. Koefisien korelasi
C. Referensi :
D. Referensi Tambahan :
E. Pertanyaan Kunci :
regresi contoh). Jarak dari titik pengamatan ke garis regresi contoh dinamakan erroe
(i).
Untuk menduga parameter dan terdapat bermacam-macam metode seperti
metode kuadrat terkecil (least square method), metode kemungkinan maksimum
(maximum likelihood method), metode kuadrat terkecil terboboti (weighted least
square method) dan metode-metode lainnya tergantung pada keadaan datanya. Namun
sebagai bahan pengantar dalam buku ini metode yang digunakan untuk menduga
parameter regresi adalah metode kuadrat terkecil (MKT). Metode kuadrat terkecil
adalah metode yang umum dipakai dan mudah dikerjakan baik secara manual maupun
dengan bantuan komputer.
Untuk mendapatkan penduga kuadrat terkecil dari parameter regresi adalah
dengan meminimumkan galat atau error. Dengan menggunakan bantuan kalkulus
maka nilai dugaan parameter regresi diperoleh sebagai berikut :
n n n n
xi x yi y n X i Yi X i Yi
i 1 i 1 i 1 i 1
b n
2
n
xi x 2
n
n X i X i
i 1 i 1 i 1
a y bx
Besarnya nilai a dapat diinterpretasikan sebagai berikut : pada saat X bernilai
nol maka besarnya dugaan nilai Y adalah sebasar a. Sedangkan besarnya nilai b dapat
diinterpretasikan sebagai besarnya perubahan nilai Y jika terjadi perubahan pada nilai
X satu satuan adalah sebesar b.
7.3. Pengujian Hipotesis Bagi Koefisien Regresi Linear Sederhana
ak
ei2
i 1
t hitung , dimana KTG
n 2
KTG 1n
2
X
X i X
n
2
i 1
Nilai tabelnya adalah tabel t dengan derajat bebas (n-2). Jika nilai thitung lebih besar
dari nilai t n 2 , maka hipotesis nol ditolak yang berarti bahwa nilai k.
2
bk
ei2
i 1
t hitung , dimana KTG
n
2
n 2
KTG1 / X i X
i 1
Nilai tabelnya adalah tabel t dengan derajat bebas (n-2). Jika nilai thitung lebih besar
dari nilai t n 2 , maka hipotesis nol ditolak. Jika hipotesis nol ditolak itu berarti
2
n
x1 x2 x p Y
x1 x12 x1 x2 x1 x p X 1Y
X ' X x2 x1 x2 x22 x2 x p X ' Y X 2Y
x p x1 x p x2 x p x 2p X p Y
2 S 20 2 S 20 p
S 0 S 20 1
S 21 S 21 2 S 21 p
V ˆ 2 X ' X 1
S 22
S 22 p
S 2 p
2 KTG
Y 'Y ' X 'Y
n p 1
7.4.1. Analisis Ragam
Untuk menguji pengaruh peubah bebas terhadap peubah tak bebas secara
simultan dapat diuji dengan menggunakan uji-F. Penggunaan uji F dalam menguji
pengaruh peubah bebas secara simultan sering disebut analisis ragam. Pengujian
secara simultan dimaksudkan untuk melihat pengaruh peubah bebas secara bersama-
sama terhadap peubah tak bebas. Penguraian komponen ragam dari regresi linear
berganda dapat dilihat pad tabel berikut :
Sumber Derajat Jumlah Kuadrat Kuadrat F-hitung
Keragaman (SK) Bebas (db) (JK) Tengah (KT)
Regresi p JKR KTR KTR/KTG
Galat n-p-1 JKG KTG
Total n-1 JKT
Yi
2
JKT Yi Y Yi Yi2 nY 2
2 2
n
JKR Yˆ Y 2 bi X iYi X ni Yi bi X i X Yi Y
atau :
JKR bi2 X i X
2
Untuk melihat pengaruh peubah bebas terhadap peubah tak bebas dapat diuji
dengan menggunakan uji-t. pengujian ini akan berguna jika pada pengujian analisis
ragam diperoleh kesimpulan bahwa terdapat paling sedikit satu peubah bebas yang
berpengaruh terhadap peubah tak bebas. Bentuk hipotesis parsialnya dapat dituliskan
sebagai berikut :
H0 : i = k
H1 : i k
Statistik ujinya dapat dirumuskan sebagai berikut :
ˆi k
t hitung S ̂2 KTG Cii
S 2ˆ
i
2
Cii = unsur pada beris dan kolom ke-I dari matriks (X’X)-1
Hipotesis nol akan ditolak bila nilai thitung lebih besar dari nilai t/2 dengan derajat
bebas (n-p-1).
Keterandalan dari model yang diperoleh dapat kita lihat dari kemampuan
model menerangkan keragaman nilai peubah Y. Ukuran ini sering disebut dengan
koefisien determinasi yang dilambangkan dengan R2. Semakin besar nilai R2 berarti
model semakin mampu menerangkan perilaku peubah Y. Kisaran dari nilai R2 mulai
dari 0% sampai 100%. Besarnya nilai koefisien determinasi dapat dihitung sebagai
berikut :
JKR JKT JKG
R2
JKT JKT
7.7. Koefisien Korelasi
n n n
xi x yi y xi x 2 yi y 2
i 1 i 1 i 1
S xy , S x2 , S y2
n 1 n 1 n 1
Contoh 7.1. Data berikut ini adalah banyaknya anggota dalam suatu rumah (X), dan
konsumsi/pemakaian listrik tiap bulan (Y dalam kwh).
X 2 9 6 5 7
Y 7,9 15,3 26,8 15,6 36,4
Jika diasumsikan hubungan antara banyaknya anggota keluarga dan konsumsi listrik
dapat dinyatakan dapat dinyatakan dalam persamaan regresi linear sederhana :
a. carilah persamaan garisnya
b. jika sebuah keluarga terdiri dari ayah, ibu, dan 2 anak, dugalah pemakaian
listriknya perbulan
c. ujilah apakah banyaknya anggota keluarga memberikan pengaruh yang nyata pada
pemakaian listrik.
d. hitunglah koefisien korelasinya?
Jawab :
Xi 2 9 6 5 7 X i 29
Yi 7,9 15,3 26,8 15,6 36,4 Yi 102
Xi2 4 81 36 25 49 X i
2
195
Yi2
XiYi 15,8 137,7 160,8 78,0 254,8 X Y 647,1
i i
n n n
n X iYi X i Yi
5 647,1 29 102
b i 1 i 1 i 1
2,07
5 195 29
2 2
n
n
n X i2 X i
i 1 i 1
a 20,2 2,075,8 8,39
Latihan 7.
1. Tabel di bawah ini, Y menyatakan banyaknya suatu senyawa kimia yang larut
dalam 100 gram air pada berbagai suhu X.
X (oC) 0 15 30 45 60 75
Y 8 12 25 31 44 48
Diasumsikan bahwa hubungan antara banyaknya suatu senyawa kimia yang larut
dalam air dengan suhu dapat dinyatakan dalam persamaan regresi linear
sederhana:
a. tentukan persamaan garis regresinya
b. dugalah banyaknya senyawa kimia tersebut yang akan larut dalam 100 gram
air pada suhu 500 C
c. ujilah hipotesis, apakah suhu mempengaruhi banyaknya senyawa kimia yang
larut dalam 100 gram air. Gunakan taraf nyata 5%.
d. carilah koefisien determinasinya!. Apa yang dapat anda simpulkan dari nilai
tersebut?.
e. carilah koefisien korelasinya.
2. Suatu telaah dilakukan untuk mengevaluasi sejauh mana pengaruh biaya yang
dikeluarkan untuk iklan (BI) terhadap hasil penjualan HP (HP). Untuk itu,
dikumpulkan data biaya iklan dan hasil penjualan HP sebagai berikut :
HP 285 400 395 365 475 440 490 420 560 525 480 510
BI 40 20 25 20 30 50 40 20 50 40 25 50
Jika diasumsikan hubungan antara biaya iklan dengan hasil penjualan dapat
dinyatakan dalam persamaan regresi linear sederhana :
a. carilah persamaan garisnya
b. jika sebuah perusahaan mempunyai alokasi dana untujl iklan sebesar 35 juta,
dugalah hasil penjualan yang akan diperoleh perusahaan tersebut
c. ujilah apakah biaya iklan memberikan pengaruh yang nyata terhadap hasil
penjualan
d. carilah koefisien korelasinya
3. Data berikut dikumpulkan untuk menentukan hubungan antara panjang bayi (Y)
dengan umur (X1) dan berat waktu lahir (X2)
……………………………….
Berdasarkan data di atas :
a. Carilah persamaan regresi, bila model linearnya : Yi = 0 + 1X1i + i
b. Carilah koefisien korelasi antara panjang dengan berat
c. Carilah koefisien determinasi dari pertanyaan pada bagian a
Bila kita menggunakan model Yi = 0 + 1X2i + 2X2i + I , maka outputnya
sebagai berikut :
……………………………………………………….
d. Carilah matriks (XX)
e. Carilah persamaan regresinya
f. Apakah umur bayi mempengaruhi panjang bayi?
g. Apakah bobot lahir bayi mempengaruhi panjang bayi?.
(gunakan taraf nyata 5% untuk pertanyaan f dan g).
4. Dalam bidang kehutanan, analisis regresi digunakan untuk membantu pendugaan
karakteristik pohon. Data berikut adalah data umur pohon (X1), diameter pohon
(X2) dan tinggi pohon (Y).
……………………………………….
Diasumsikan bahwa hubungan antara tinggi pohon dengan umur pohon dan
diameter pohon dinyatakan dalam persamaan regresi linear berganda.
Dengan menggunakan Software Minitab untuk data diatas, maka diperoleh output
sebagai berikut :
……………………………………………….
Berdasarkan output diatas :
a. Lengkapi bagian yang kosong pada tabel anova
b. Tuliskan persamaan regresinya.
c. Apakah umur pohon memberikan pengaruh pada tinggi pohon?.
d. Apakah diameter pohon memberikan pengaruh pada tinggi pohon?
e. Gunakan taraf nyata 5%.
Referensi :
1. Kvanli, A.H. 1988. Statistic. A Computer Integrated Approach. West Publishing Company, New
York.
2. Walpole, R.E. 1995. Pengantar Statistika, edisi ketiga. PT. Pustaka Gramedia, Jakarta.
3. Milton, S.J. 1995. Introduction to Probability and Statistic: Principles and Application for
engineering and the Computing Science.
4. Mattjik, A.A., dan M. Sumertajaya. 2000. Perancangan Percobaan dengan Aplikasi SAS dan
Minitab. IPB Press, Bogor.