MAKALAH STATISTIKA

“Analisis Korelasi dan Regresi Linear Sederhana”

Disusun Oleh :
1. Eni Ermawati Endahing Sulistyo (182010300186)
2. Ambar Dioventa (182010300191)
3. Agustria Ningsih (182010300195)
4. Su’aibah (182010300228)
5. Elmi Nur Fadilah (182010300235)
6. Riza Yuana Safitri (182010300240)

Dosen Pengampu:
Mochammad Ilyas Junjunan, SE, MA

Akuntansi B - 3
UNIVERSITAS MUHAMMADIYAH SIDOARJO
Jl. Mojopahit No.666 B, Sidowayah, Celep, Kec. Sidoarjo, Kabupaten Sidoarjo
Jawa Timur, 61271
 KATA PENGANTAR

Allhamdulillah, puji syukur kehadirat Allah SWT, karena atas rahmat serta karunia-
Nya sehingga kami dapat menyelesaikan makalah ini untuk memenuhi tugas mata kuliah
STATISTIKA yang berjudul “Analisis Korelasi dan Regresi Linear Sederhana”
Kami menyadari sepenuhnya di dalam penulisan makalah ini masih banyak terdapat
kekurangan, oleh karena itu kami mengharapkan adanya kritik dan saran demi kesempurnaan
makalah ini.
Semoga makalah ini bisa bermanfaat bagi kita semua, khususnya bagi penyusun dan
dapat menambah wawasan kita dalam mempelajari tentang Analisis Korelasi dan Regresi
Linear Sederhana.

Sidoarjo, 21 Maret 2019

Penyusun

i
 DAFTAR ISI
KATA PENGANTAR ...................................................................................................... i
DAFTAR ISI ................................................................................................................... ii

BAB I PENDAHULUAN
1.1 Latar Belakang .......................................................................................................... 1
1.2 Rumusan Masalah. ................................................................................................... 1
1.3 Tujuan Penulisan. ..................................................................................................... 1

BAB II PEMBAHASAN
2.1 Pengertian Regresi Dan Korelasi .............................................................................. 2
2.2 Koefisien Korelasi dan Kegunaannya ...................................................................... 3
2.3 Tujuan Penggunaan Regresi dan Kolerasi ................................................................. 4
2.4 Karakteristik Penggunaan Regresi dan Kolerasi .................................................... 4
2.5 Koefisien Kolerasi ..................................................................................................... 5
2.6 Koefisien Kolerasi Data Berkelompok .................................................................. ... 9
2.7 Kolerasi Rank ............................................................................................................. 12
2.8 Korelasi Data Kualitatif ......................................................................................... 12
2.9 Teknik Ramalan dan Analisis Regresi.................................................................... 14

BAB III PENUTUP

3.1 Kesimpulan. ............................................................................................................. 17
3.2 Saran. ...................................................................................................................... . 17
DAFTAR PUSTAKA
.

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara
dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus
matematik, maka kita akan dapat menggunakannya untuk keperluan peramalan. Masalah
peramalan dapat dilakukan dengan menerapkan persamaan regresi. mendekati nilai tengah
populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis peramalan, dan tidak harus
berimplikasi suatu regresi mendekati nilai tengah populasi. Sedangkan Teknik korelasi
merupakan teknik analisis yang melihat kecenderungan pola dalam satu variabel berdasarkan
kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu variabel memiliki
kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang lain apakah
juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel selalu diikuti
oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini
memiliki hubungan atau korelasi.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan regresi dan korelasi?
2. Bagaimana analisis dari regresi dan korelasi?
3. Apa saja macam-macam dari regresi dan korelasi?
4. Apa tujuan dari penggunaan regresi dan korelasi?
5. Apa saja karakteristik dari regresi dan korelasi?

1.3 Tujuan Penulisan

Pembaca diharapkan dapat mengetahui apa definisi dan analisis dari regresi dan
korelasi, dapat mengetahui macam-macam serta karakteristik dari regresi dan korelasi, dan
dapat mengetahui tujuan dari penggunaan regresi dan korelasi.

1
 BAB II
PEMBAHASAN

2.1 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 niiai rata-rata
variabel dependen berdasarkan nilai variabe! 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
atau 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.

2
 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).

2.2 Koefisien Korelasi dan Kegunaannya

 Hubungan Positive

Hubungan berpengaruh positive bisa disebut berbanding lurus jika semakin

banyak pendapatan maka semakin banyak pengeluaran juga.

 Hubungan Positive

Hubungan yang berpengaruh negative bisa disebut berbanding terbalik. Contoh

semakin banyak tukang maka semakin cepat pembuatan rumah.

Kuat dan tidaknya hubungan antara X dan Y apabila dengan fungsi linier (paling tidak
mendekati), di ukur dengan suatu nilai yang disebut Koefisien Korelasi. Nilai koefisien korelasi
ini paling sedikit -1 dan paling besar 1. jadi, jika r = koefisien korelasi maka :

3
 nilai r dapat dinyatakan sbb: -1 ≤ r ≤ 1
r = 1, hub X dan Y sempurna dan positif (mendekati 1 yaitu hub sangat kuat dan positif)
= -1 hub X dan Y sempurna dan negative (mendekati -1 yaitu hub sangat kuat dan
negative)
= 0, hub X dan Y lemah sekali atau tidak ada hubungan.

2.3 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

2.4 Karakteristik Penggunaan Regresi dan Korelasi

Regresi memiliki beberapa karakteristik antara lain :
1. Model 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 r 2

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
 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.

2.5 Koefisien Korelasi

Koefisien Penentuan ditulis KP , maka menghitung KP digunakan rumus berikut :

Sedangkan untuk menghitung adalah sebagai berikut :

= koefisien korelas
 Contoh Soal :

Jika X adalah persentase kenaikan biaya iklan dan Y adalah persentase kenaikan hasil
penjualan, kemudian berdasarkan table dibawah ini hitunglah koefisien korelasi (r) !

5
 X Y X² Y² XY
1 2 1 4 2
2 4 4 16 8
4 5 16 25 20
5 7 25 49 35
7 8 49 64 56
9 10 81 100 90
10 12 100 144 120
12 14 144 196 168
Ʃ = 50 Ʃ = 62 Ʃ = 420 Ʃ = 598 Ʃ = 499

Penyelesaian :

r=

r=

r=

r= = 0,99

 Contoh Negative :

X Y X² Y² XY
2 15 4 225 30
4 14 16 196 56
5 12 25 144 60
6 10 36 100 60
8 9 64 81 72
10 8 100 64 80
11 6 121 36 66
13 4 169 16 52
14 3 196 9 42
15 2 225 4 30

Ʃ = 88 Ʃ = 83 Ʃ = 956 Ʃ =875 Ʃ = 548

6
 Penyelesaian :

r=

r=

r=

r= = -0,99

2.6 Koefisien Korelasi Data Berkelompok

Untuk data yang berkelompok Rumusnya adalah sebagai berikut :

Contoh Soal :

Diperoleh hasil penilaian ujian yang dikelompokkan sebagai berikut. Tentukan nilai koefisien
korelasinya !

MTK 40-49 50-59 60-69 70-79 80-89 90-99 Jumlah

Statistika
90-99 2 4 4 10

80-89 1 4 6 5 16

70-79 5 10 8 1 24

60-69 1 4 9 5 2 21

50-59 3 6 6 2 17

40-49 3 5 4 12

Jumlah 7 15 25 23 20 10 100

7
Penyelesaian :

Kelas Nilai Nilai Tengah u

Matematika (X)
40-49 44,5 -2 7
50-59 54,5 -1 15
60-69 64,5 0 25
70-79 74,5 1 23
80-89 84,5 2 20

90-99 94,5 3 10

Nilai Tengah (X) =

= 44,5

Kelas Nilai Nilai Tengah v

Statistika (X)
90-99 94,5 2 10
80-89 84,5 1 16
70-79 74,5 0 24

60-69 64,5 -1 21
50-59 54,5 -2 17

40-49 44,5 -3 12

Median =

=
= 50

8
 v
-2 -31 0 1 2 3
u
2 2 4 4 10
1 1 4 6 5 16
0 5 10 8 1 24
-1 1 4 9 5 2 21
-2 3 6 6 2 17
-3 3 5 4 12
7 15 25 23 20 10 100

Untuk perhitungan r, maka harus dibuat tabel korelasi sebagai berikut :

V v uvf
2 4 4 2 10 20 40 44

1 4 6 5 1 16 16 16 31

5 10 8 1 0 24 0 0 0

1 4 9 5 2 -1 21 -21 21 -3

3 6 6 2 -2 17 -34 68 20

3 5 4 -3 12 -36 108 33

u -2 -1 0 1 2 3 100 -55 253 125

7 15 25 23 20 10 100

-14 -15 0 23 40 30 64
u

28 15 0 23 80 90 236

32 31 0 -1 24 39 125
uvf

9
  Untuk v = 2, cara mencari uvf nya yaitu:  Untuk u = -2, cara mencari uvf nya yaitu :
uvf = uvf =
= (2)(1) + (4)(2) + (4)(3) . (2) = (1)(-1) + (3)(-2) + (3)(-3) . (-2)
= (2 + 8 + 12) (2) = (-1 – 6 – 9) (-2)
= (22) (2) = (-16) (-2)
= 44 = 32
 Untuk v = 1, cara mencari uvf nya yaitu :  Untuk u = -1, cara mencari uvf nya yaitu :
uvf = uvf =
= (1)(0) + (4)(1) + (6)(2) + (5)(3) . (1) = (4)(-1) + (6)(-2) + (5)(-3) . (-1)
= (0 + 4 + 12 + 15) (1) = (-4 – 12 – 15) (-1)
= (31) (1) = (-31) (-1)
= 31 = 31

Dari tabel korelasi di atas dapat diketahui :

n = 100 = 64 = 236

= 125 = -55 = 253

Jadi,

r=

r=

r=

r=

r=

r = 0,76

2.7 Korelasi Rank (Peringkat)

Koefisien korelasi rank adalah nilai yang menunjukkan keertan hubungan linear antara dua
variabel dengan skala data ordinal, yang dirumuskan sebagai berikut :

10
Contoh Soal :

Joni dan Toni diminta untuk memberikan nilai(rank) terhadap 10 merek rokok rokok yang
disenangi diberi nilai 1 dan seterusnya sampai rokok yang tidak disenangi diberi nilai 10. Berikut
rank hipotesis nilai rokok Joni dan Toni :

Nomor Urut Merek Rokok Rank dari Joni Rank dari Toni

1 Kansas 9 8
2 Djarum 5 3
3 555 10 9
4 Bentoel 1 2
5 Mascot 8 7
6 Marlboro 7 10
7 Salem 3 4
8 Kent 4 6
9 Gudang Garam 2 1
10 Dunhil 6 5

Pertanyaan :
Cari koefisien korelasi rank antara Toni dan Joni didalam menilai 10 merek rokok!

Rank
8 3 9 2 7 10 4 6 1 5
Toni

Rank
9 5 10 1 8 7 3 4 2 6
Joni

Selisih
Rank -1 -2 -1 1 -1 3 1 2 -1 -1
(d)

1 4 1 1 1 9 1 4 1 1

= 1-
= 1- 0,1455
= 0,85

11
2.8 Korelasi Data Kualitatif

Batas tertinggi Nilai ialah dimana nilai r ialah banyaknya baris atau kolom.
Adapun untuk menghitung nilai koefisien bersyarat ( ) digunakan Rumus :

n= = = =n= = banyaknya observasi

Dimana = frekuensi / banyaknya observasi baris kolom j;

i = 1,2, . . . . . . , p;
j = 1,2, . . . . . . , q.

( dibaca “kai skuer” atau “khi kuadrat”)

Contoh Soal :
Kategori FE FH FT FK
(1) (2) (3) (4) (5)
Sudah Membayar 42 31 56 28
Belum Lunas 16 82 47 21

Belum Membayar 13 26 39 19

Berdasarkan data tersebut hitunglah Contingency Coefficient / Koefisien untuk mengukur

hubungan antara jenis Fakultas dan kesediaan membayar uang Kuliah.
Penyelesaian :
*Untuk mempermudah , kita menyusun Tabel sebagai berikut :

II
1 2 3 4 Jumlah
I
(1) (2) (3) (4) (5) (6)
1 42 31 56 28 = 157
(26,54) (51,96) (53,08) (25,42)
2 16 82 47 21 = 166
(28,06) (54,96) (56,12) (26,88)

3 13 26 39 19 = 97
(16,40) (32,10) (32,80) (15,70)

Jumlah = 71 = 139 = 142 = 68

12
 = = = 26,54

= = = 51,96

= = = 53,08

= = = 25,42

= = = 28,06

= = = 54,94

= = = 56,12

= = = 26,88

= = = 16,40

= = = 32,10

= = = 32,80

= = = 15,70

= = + + + + +

+ + + + +
+

= + + + +

+ + + +

+ + +

= 42,86

= Batas Atas =
= 0,82
=
= 0,3

Perbandingan dengan batas atas adalah (0,30)/0,82. Karena 0,36 < 0,50. maka hubungannya
dikatakan lemah.

13
2.9 Teknik Ramalan dan Analisis Regresi

Menghitung Suatu Perkiraan atau Persamaan Regresi yang akan Menjelaskan Hubungan antara
Dua Variabel :
 Diagram Pencar (Scatter Diagram)
Terdapat hubungan Logis di antara Variabel, maka untuk Mendukung analisis lebih jauh ,
tahap selanjutnya adalah menggunakan grafik. Grafik tersebut disebut sebagai Diagram Pencar
(atau ada yang menyebutnya dengan istilah Diagram Tebaran) untuk menunjukkan kumpulan
Titik – Titik Koordinat.

#Keterangan :
• Jika kumpulan titik tersebut mendekat itu berarti RELIABEL
• Dan jika kumpulan titik tersebut tersebar seperti gambar B, C, E berarti Kurang
RELIABEL

14
  Persamaan Regresi Linear
Metode kuadrat terkecil akan digunakan untuk menempatkan garis pada data yang diamati,
sehingga bentuk dari persamaan regresi adalah sebagai berikut :

Dimana :

A = y pintasan ,( nilai bila X = 0)

B = kemiringan dari garis regresi (kenaikan atau penurunan untuk setiap perubahan satu satuan
X) atau koefisien regresi, yang mengukur besarmya pengaruh X terhadap Y kaluar X naik
satu unit.
X = nilai tertentu dari variabel bebas
= dibaca “y aksen” artinya nilai yang diukur/dihitung pada variabel tidak bebas.

Contoh Soal :

X = Pendapatan nasional per kapita (dalam ribuan rupiah)

Y = pengeluaran konsumsi rumah tangga (dalam ribuan rupiah)
Cara persamaan garis regresi berapa ramalan Y, kaluar X = 100 (Rp 100.000)?

Penyelesaian :

X Y XY XY
(x) (y)
19 15 361 225 285 -32,62 1.064,06 -21,5 701,33
27 20 729 400 540 -24,62 606,14 -16,5 406,23
39 28 1.521 784 1.092 -12,62 159,26 -8,5 107,27
47 36 2.209 1.296 1.692 -4,62 21,34 -0,5 2,31
52 42 2.704 1.764 2.184 0,38 0,14 5,5 2,09
66 45 4.356 2.025 2.970 14,38 206,78 8,5 122,23
78 51 6.084 2.601 3.978 26,38 695,90 14,5 382,51
85 55 7.225 3.025 4.675 33,38 1.114,22 18,5 617,53
∑
∑ = 413 ∑ = 292
∑ ∑ ∑
= 36,50

15
 = =

= 0,61 = 5,01

Jadi persamaan garis regresi

16
 BAB III
PENUTUP

3.1 Kesimpulan
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 niiai rata-rata variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1. Regresi Linier Sederhana
2. Regresi Linier Berganda
3. Regresi Nonlinier
4. Regresi Dummy
5. Regresi Logistik

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

1. Korelasi Positif
2. Korelasi Negatif
3. Korelasi Sederhana (Simple Corelation)
4. Korelasi Multiple (Multiple Corelation)
5. Korelasi Sempurna (Perfect Corelation)
6. Korelasi Tidak sempurna (Imperfect Corelation)
7. Korelasi yang Mustahil (Nonsense Corelation)

3.2 Saran
Menyadari masih banyaknya kekurangan dalam penyusunan makalah ini, penyusun
sangat mengharapkan adanya kritik dan saran, yang sifatnya membangun atau memperbaiki
makalah ini dari semua pihak.

17
 DAFTAR PUSTAKA
J. Supranto. 2008. Statistika Teori dan Aplikasi, edisi 8 jilid 1. Jakarta: Penerbit Erlangga

Supangat, Andi. 2010. Statistika. Jakarta:Kencana

18