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.
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
ii
BAB I
PENDAHULUAN
1
BAB II
PEMBAHASAN
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).
Hubungan Positive
Hubungan Positive
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.
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
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).
= 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
6
Penyelesaian :
r=
r=
r=
r= = -0,99
Contoh Soal :
Diperoleh hasil penilaian ujian yang dikelompokkan sebagai berikut. Tentukan nilai koefisien
korelasinya !
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 :
90-99 94,5 3 10
= 44,5
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
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
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
r=
r=
r=
r=
r=
r = 0,76
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 :
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
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)
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 :
Contoh Soal :
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
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
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
18