LAPORAN PRAKTIKUM III

REGRESI DAN KORELASI

Mariani Putri Sinaga (21S17005)

PROGRAM STUDI SARJANA MANAJEMEN

REKAYASA
INSTITUT TEKNOLOGI DEL
 1. Regresi Berganda
Terdapat beberapa bentuk regresi, diantaranya adalah linier, eksponensial, polynomial dan
logistic. Berikut analisis regresi yang dapat kita lakukan dengan bantuan Ms. Excel.

Data yang digunakan

A. Linier
Blok data Y( penjualan listrik) dan X1 (jumlah penduduk) lalu pilih menu insert > scatter >
lalu pilih chart paling awal

Lalu klik kanan pada grafik > trendline

 Untuk membuat judul pada grafik, klik layout pada menu > chart title > centered overlay
title. Maka hasil yang di dapat adalah sebagai berikut.

penjualan listrik (Y).

16000
14000
12000
10000 f(x) = 1.14 x + 2473.25
R² = 0.02
8000
6000
4000
2000
0
6400 6600 6800 7000 7200 7400 7600 7800 8000 8200

DARI GRAFIK JUMLAH PENDUDUK (X1) TERHADAP PENJUAL LISTRIK (LINEAR) MEMILIKI R 2
= 0.0247

B . Eksponensial

Lakukan langkah yang sama seperti diatas, namun disaat klik kanan > trendline > pilih
eksponensial
Maka hasil yang di dapat adalah seperti berikut.

penjualan listrik (Y).

16000
14000
12000
10000 f(x) = 4704.29 exp( 0 x )
R² = 0.03
8000
6000
4000
2000
0
6400 6600 6800 7000 7200 7400 7600 7800 8000 8200

DARI GRAFIK JUMLAH PENDUDUK (X1) TERHADAP PENJUAL LISTRIK (LINEAR) MEMILIKI R 2
= 0.025.

C. Polynomial

Dengan cara yang sama, kita dapat memperoleh grafik X terhadap Y polynomial. Klik kanan
pada grafik> trendline > polynomial > ganti orde 3.
DARI GRAFIK JUMLAH PENDUDUK (X1) TERHADAP PENJUAL LISTRIK (LINEAR) MEMILIKI R 2 =
0.0546

Pembahasan :

Pada model regresi linear sederhana, model regresi yang baik (bagus) jika memiliki nilai R 2
yang tinggi. Pada bentuk regresi, diantaranya linier, eksponensial, dan polynomial memiliki
nilai R2 masing masing:
linear: 0,0247
eksponensial:0,025
polynomial:0,0546
sehingga dapat disimpulkan bentuk regresi yang paling baik untuk data tersebut adalah
model regresi polynomial dengan R2 = 0,0546

2. Korelasi Antar Prediktor

Langkah langkah:

1. Copy data yang akan diolah ke excel

2. Klik menu data > data analysis > pilih correlation

3. Selanjutnya, akan muncul tampilan seperti gambar dibawah.

Kemudian isi inputan dengan menyorot x mulai dari x1 sampai dengan x6 dan data y,
centang tanda label jika anda menyorot mulai dari label. Kemudian isi output range
dengan cara klik pada sembarang cell yang kosong. Maka akan muncul tampilan seperti
dibawah ini:
 4. maka akan diperoleh data seperti berikut:

Pembahasan

 Nilai korelasi antar prediktor dengan dirinya sendiri akan selalu menghasilkan nilai 1
 Nilai korelasi x1->x2 = nilai korelasi x2-> x1 begitu juga dengan prediktor lainnya,
Sehingga outputnya ditabel hanya ditulis 1 kali saja kebalikkannya dikosongkan
 Nilai koefisien korelasi yang saya pakai metode penelitian dari prof. Sugiono
 Tanda positif atau negatif menunjukkan hubungan yang searah anatar kedua prediktor.
Jika nilainya positif: nilai x2 semakin tinggi maka nilai x1 juga semakin tinggi, sebaliknya
Jika nilainya negatif: nilai x2 semakin rendah maka nilai x1 juga semakin rendah, begitu
juga dengan prediktor lainnya

Korelasi prediktor Nilai Kolerasi antar Kategori Relasi

rasio
X2 -> X1 0,03446 RENDAH
X3 -> X1 0,11971 SANGAT RENDAH
X4 -> X1 -0,56517 SEDANG
X5 -> X1 -0,2451 RENDAH
 X6 -> X1 -0,33333 SANGAT RENDAH
Y -> X1 0,15709 SANGAT RENDAH
X3 -> X2 -0,09321 SANGAT RENDAH
X4 -> X2 0,31054 RENDAH
X5 -> X2 0,11432 SANGAT RENDAH
X6 -> X2 -0,38549 RENDAH
Y -> X2 -0,56661 SEDANG
X4 -> X3 0,01571 SANGAT RENDAH
X5 -> X3 0,15475 SANGAT RENDAH
X6 -> X3 0,36319 RENDAH
Y -> X3 0,28701 RENDAH
X5 -> X4 0,27263 RENDAH
X6 -> X4 0,22441 RENDAH
Y -> X4 -0,52741 SEDANG
X6 -> X5 0,0278 SANGAT RENDAH
Y -> X5 0,28059 RENDAH
Y -> X6 0,26318 RENDAH

3. Estimasi dan Inferensi Koefisien Regresi

Copy data yang ingin diolah ke sheet kosong seperti gambar berikut:

Klik menu data > data analysis > pilih Regression

Selanjutnya, akan muncul tampilan seperti gambar diatas.
Kemudian isi inputan dengan menyorot Y dan sorot inputan untuk x mulai dari x1 sampai
dengan x6, centang tanda label jika anda menyorot mulai dari label. Kemudian isi output range
dengan cara klik pada sembarang cell yang kosong. Maka akan muncul tampilan seperti
dibawah ini.
Pembahasan:

Dari tabel anova didapatkan data:

Intercept (a) = 11201.55354

Koefisien prediktor (b) untuk x1= 0.00920137 ; x2= - 1556.3025 ; x3= 1435.08913 ; x4=
-9.8977317; x5=0.85948091 ; x6= 13.362219

respon (Y)

Sehingga didapat persamaan model regresi:

Y= a + bx

Y = 11201.55354+ 0.00920137 x1 - 1556.3025 x2 + 1435.08913 x3 - 9.8977317 x4 +

0.85948091 x5 + 13.3622197 x6

Dari data di atas, kita dapat memperoleh P-value dari setiap X, jika nilai P=value ≤ alpha
(0,05) maka diambil keutusan tolak Ho dan sebaliknya jika P-value > alpha (0,05)
keputusannya terima Ho, signifikansi dilihat dari terima atau tolak Ho. Jika tolah Ho maka
signifikan dan sebaliknya. Nilai P-value dari x1 sampai x6 adalah sebagai berikut:

X1 = 0,994940805
 X2 = 0,076933159

X3 = 0,496317138

X4 = 0,010944941

X5 = 0,011893701

X6 = 0,294347605

Dari hasl yang diperoleh, nilai P-value yang memenuhi tolak Ho adalah P-value ≤ 0,05dan
signifikan yang terdapat pada data X4 dan X5.

X4 = 0,010944941

X5 = 0,011893701

X1 Terima Ho Tidak Signifikan

X2 Terima Ho Tidak Signifikan
X3 Terima Ho Tidak Signifikan
X4 Tolak Ho Signifikan
X5 Tolak Ho Signifikan
X6 Terima Ho Tidak Signifikan

4. Regresi dengan Matriks

Kita dapat menentukan koefisien R dengan matriks, dengan langkah-langkah sebagai
berikut:

1. Copy data yang akan diolah ke excel.

2. Carilah matrik X dan Y dimana pada matriks X tambahkan matriks 1 pada kolom
pertama sebagai berikut.
 Untuk mencari X transpose, klik pada sembarang kolom yang kosong pada excel, dan
gunakan rumus =TRANSPOSE(array) sorot lah data yang ada pada matriks X. Akan
muncul VALUE!!! Maka kita perlu memblok baris dengan kolom yakni 7 x 20 (7 ke
bawah dan 20 ke samping) lalu tekan Fn F2 secara bersamaan, lepaskan kemudian tekan
ctrl > shift > enter. maka hasil yang didapat seperti berikut:

 Selanjutnya cari Xt*X dengan rumus =MMULT(array1;array2) sebagai berikut:

Sesuai dengan aturan perkalian matriks, matriks 7x 20 dengan matriks 20 x 7, maka hasil
matriks yang diperoleh adalah matriks 7 x 7. Maka, blok baris dan kolom sebanyak 7 ke
bawah dan 7 ke samping, lalu lakukan langkah seperti diatas. Tekan Fn F2 secara
bersamaan tekan ctrl > shift > enter. Maka hasil yang didapat adalah seperti berikut:

 Selanjutnya carilah invers dari matriks Xt*X, klik pada cell yang kosong lalu ketik rumus
=MINVERS(array) sorot lah data yang ingin di inverskan. Sama seperti langkah diatas,
blok cell sebanyak 7 x 7 tekan F2 dan Fn bersamaan > ctrls > shift > enter. Maka hasil
yang di dapata adalah seperti berikut:
 Selanjutnya, carilah perkalian dari X transpose dengan Y(xt*y). dengan rumus
=MMULT(array1;array2) dengan cara yang sama, blok cell sebanyak 7 x 1. Lalu tekan F2
dan Fn secara bersamaan > ctrls > shift > enter. Maka hasil yang didapat adalah sebagai
berikut:

 Selanjutnya kalikan matriks Xt*y dengan invers (Xt*X) dengan rumus

=MMULT(array1;array2) dengan cara yang sama blok cell sebanyak 7 x 1. Lalu tekan F2
dan Fn bersamaan > ctrl > shift > enter. Maka hasil yang didapat adalah seperti berikut:

Pembahasan:

Dari hasil yang didapatkan dengan menggunakan regresi matriks dimana rumusnya
adalah b = ( XT * X)-1 (XT * Y) Diperoleh bahwa:
a = 11201.5534 b1= 0.00920137 b2=-1556.30255 b3=1435.089125 b4=-9.897731709
b5=0.85948091 b6=13.3622197

sehingga diperoleh persamaan:

Y = 11201.5534 + 0.00920137 x1 -1556.30255 x2 + 1435.089125 x3 - 9.897731709 x4 +

0.85948091 x5 + 13.3622197 x6