STATISTIKA EKONOMI DAN BISNIS

REGRESI DAN KORELASI LINEAR BERGANDA

Mata kuliah : EKI118 (A2 EP)

Dosen Pengampu : Dra. Luh Putu Aswitari,M.SI

Disusun oleh
Kelompok 10

Ni Luh Wayan Sundariati (2007511206)

Ni Kadek Sepiawati (2007511209)

FAKULTAS EKONOMI DAN BISNIS

PROGRAM STUDI EKONOMI PEMBANGUNAN
UNIVERSITAS UDAYANA
TAHUN 2020

i
 DAFTAR ISI

Halaman

HALAMAN JUDUL ....................................................................................... i

DAFTAR ISI ........................................................................................................ 2
DAFTAR RUMUS ......................................................................................... 3
DAFTAR TABEL ........................................................................................... 3

BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................ 5
1.2 Rumusan Masalah ................................................................... 5
1.3 Tujuan ..................................................................................... 6

BAB II PEMBAHASAN
2.1 Pengantar..................................................................................... 7
2.2 Model Regresi Dua Variabel Bebas .......................................... 7
2.3 Interpretasi Terhadap Nilai b 0 , b 1 , b 2 .................................. 8
2.4 Kesalahan Baku Pendugaan ......................................................... 9
2.5 Koefisien Determinasi dan Koefisien Korelasi ........................ 14
2.6 Menaksir Variabel Terikat Y .................................................... 16
2.7 Pelaporan Hasil-hasil Analisis Regresi .....................................
16

BAB III PENUTUP

3.1 Kesimpulan .................................................................................................. 22

DAFTAR PUSTAKA....................................................................................... 23

2
 DAFTAR RUMUS

No. Halaman

10.1 ..................................................................................................................... 7

10.2 ..................................................................................................................... 8

10.3 ..................................................................................................................... 8

10.4 ..................................................................................................................... 8

10.5 ..................................................................................................................... 8

10.6 ..................................................................................................................... 8

10.7 ..................................................................................................................... 8

10.8 ..................................................................................................................... 9

10.9 ..................................................................................................................... 9

10.10 ................................................................................................................... 9

10.11 ................................................................................................................... 9

10.12 ................................................................................................................... 9

10.13 ................................................................................................................... 9

10.14 ................................................................................................................. 9

10.15 .................................................................................................................. 14

10.16 ................................................................................................................... 15

3
 DAFTAR TABEL

No. Tabel Halaman

10.1 Perhitungan Unsur-unsur Model Regresi ...............................................

11

10.2 Perhitungan Unsur-unsur Model Regresi ................................................

18

DAFTAR CONTOH SOAL

No. Halaman

10.1 .................................................................................................................

10

10.2 ..................................................................................................................

15

10.3 ..................................................................................................................

16

10.4 ..................................................................................................................

17

4
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Dalam materi Statistika, terdapat regresi dan korelasi yang digunakan

untukmempelajari pola dan mengukur hubungan statistik antara dua atau lebih
variabel. Sepanjang sejarah umat manusia,orang melakukan penelitian tentang ada
tidaknya hubungan antara duahal, fenomena, kejadian atau lainnya. Dan ada
tidaknya pengaruh antara satu kejadian dengankejadian yang lainnya. Karena itu
untuk mempermudah dalam melakukan penghitungansuatu kejadian maka
digunakan korelasi dan regresi dalam ilmu statistika.

Korelasi merupakan teknik analisis yang termasuk dalam salah satu

teknikpengukuran asosiasi/hubungan. Teknik ini berguna untuk mengukur
kekuatan hubunganantara dua variabel (kadang lebih dari dua variabel).
Sedangkan regresi merupakan salah satuanalisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel
yang mempengaruhi disebut independent variabel (variablebebas) dan variabel
yang dipengaruhi disebut dependent variabel (variabel terikat). Terdapatdua
macam regresi dan korelasi yaitu regresi dan korelasi linear sederhana dan linear
ganda.Perbedaannya terletak pada jumlah variabel. Dalam regresi dan korelasi

5
linear sederhana,terdapat satu variabel bebas dan satu variabel terikat. Sedangkan
pada regresi dan korelasilinear ganda, terdapat lebih dari satu variabel. Maka dari
itu, dalam makalah ini akan dibahastentang “Analisis Regresi dan Korelasi Linear
Ganda.”

1.2. Rumusan Masalah

1. Apa pengertian regresi dan korelasi linear ganda?

2. Bagaimana model regresi dua variabel bebas ?
3. Bagaimana interpretasi terhadap nilai b 0 , b 1 , b 2 ?
4. Apa itu kesalahan buku panduan ?
5. Apa itu koefisien determinasi dan koefisien korelasi ?
6. Bagaimana cara menaksir variabel terikat Y ?
7. Bagaimana pelaporan hasil-hasil analisis regresi ?

1.3. Tujuan

1. Mahasiswa dapat mengetahui pengertian regresi dan korelasi linear

ganda
2. Mahasiswa dapat mengetahui model regresi dua variabel bebas
3. Mahasiswa dapat mengetahui interpretasi terhadap nilai b 0 , b 1 , b 2
4. Mahasiswa dapat mengetahui apa itu kesalahan buku panduan
5. Mahasiwa dapat mengetahui apa itu koefisien determinasi dan koefisien
korelasi
6. Mahasiwa dapat mengetahui cara menaksir variabel terikat Y
7. Mahasiswa dapat mengetahui pelaporan hasil-hasil analisis regresi

6
 BAB II
PEMBAHASAN
(Materi BAB 10)

10.1 Pengantar
Dalam Bab 10, telah dipelajari model regresi dua variabel, yaitu model
regresi yang hanya terdiri dari satu variabel bebas saja. Disini, pembahasan
diperluas yaitu mengenai model regresi berganda (majemuk) yaitu model regresi
yang melibatkan lebih dari dua variabel yaitu satu variabel terikat Y, dengan dua
atau lebih variabel bebas ( X 1 , X 2 , . . ., X k)

Namun dalam bab ini bahasan dibatasi pada model regresi berganda yang
paling sederhana yaitu model regresi tiga variabel atau model regresi dengan dua
variabel bebas. Model regresi ini terdiri dari satu variabel terikat Y, dan dua
variabel bebas ( X 1 , X 2 )

Tujuan bab ini. Setelah mempelajari bab ini, mahasiswa (peserta didik)
diharapkan dapat menyusun/membangun model regresi, memberikan interpretasi
koefisien regresi parsial, koefisien determinasi, koefisien korelasi ganda,
Simpangan baku dari dugaan dan memprediksi nilai variabel terikat berdasarkan
variabel bebasnya (dengan nilai tertentu).

7
10.2 Model Regresi Dua Variabel Bebas

Bentuk umum model regresi sampel dua variabel bebas atau model regresi
tiga variabel dapat dinyatakan sebagai:

(10.1)

Ŷ = bₒ + b₁ X₁ + b₂ X₂

Keterangan :
Ŷ = estimasi variable terikat Y
bₒ = suatu konstanta
b₁ = kofisien regresi parsial dari X₁
b₂ = kofisien regresi parsial dari X₂
Sistem persamaan berikut didapat melalui metode kuadrat terkecil (disini
tidak diuraikan)

(10.2) (10.3) (10.4)

Dengan menyelesaikan ketiga persamaan tersebut secara simultan akan

diperoleh nilai b1 dan b2 . Selanjutnya nilai b0 dapat dihitung

(10.5)

Bila deviasi Xi dan X́ i dinyatakan sebagai xi = Xi - dan deviasi Yi dan Yi

dinyatakan sebagai y i = Yi -, maka nilai b 1 dan b 2 dapat dihitung dengan rumus
berikut:

(10.6)

8
 ( ∑ x 1 y ) ( ∑ x 22 )− ( ∑ x1 x 2 )( ∑ x 2 y )
b1 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2

(10.7)

( ∑ x 2 y ) ( ∑ x 21 )−( ∑ x 1 x 2 )( ∑ x 1 y )
b2 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2

10.3 Interpretasi Terhadap Nilai b 0 , b 1 , b 2

Misalkan diketahui persamaan regresi sampel seperti berikut ini

Ŷ = bₒ + b₁ X₁ + b₂ X₂

interpretasi terhadap nilai bₒ, b₁ dan b₂ adalah

bₒ menyatakan nilai rata-rata variabel Y, bila X₁ = 0 dan X₂= 0.
b₁ menyatakan perubahan (naik/turun) nilai rata-rata variabel terikat Y,
akibat
perubahan (naik/turun) 1 unit X₁, jika X₂ tetap.
b₂ menyatakan perubahan (naik/turun) nilai rata-rata variabel terikat Y,
akibat perubahan (naik/turun) 1 unit X₂ , jika X₁ tetap

10.4 Kesalahan Baku Pendugaan

Kesalahan baku pendugaan yaitu simpangan baku b 0 , b 1 , b 2 yaitu Sb , Sb ,

0 1

Sb dan simpangan baku residualnya ( SY .12) masing-masimg dapat dihitung

2

dengan rumus-rumus berikut:

(10.8)
2 2 2 2
1 X́ 1 ∑ X 2 + X́ 2 ∑ X 1−2 X́ 1 X́ 2 ∑ x 1 x 2 2
Var(b 0) =
[ n
+
∑ X 21 ∑ X 22 −(∑ x 1 x 2 )2 ]SY .12

(10.9)
Sb 0
= √ Var (b0 )

9
(10.10)
∑ X 22 2
Var(b 1) = 2 2 2
S Y .12
(∑ X ) (∑ X
1 2 )−(∑ x1 x 2)

(10.11)
Sb 1
= √ Var (b1 )

(10.12)
2
∑ X1 2
Var(b 2) = 2 2 2
S Y .12
(∑ X ) (∑ X
1 2 )−(∑ x1 x 2)

(10.13)
Sb 2
= √ Var (b2 )

Sementara SY .12 (simpangan baku residual) dapat dihitung dengan rumus:

(10.14)

∑ y 2−b1 ∑ yx 1−b2 ∑ yx 2
SY .12 =
√ n−3

n = banyaknya pasangan data/ukuran sampel

k = menunjukkan banyaknya variabel bebas dalam model regresi (dalam
hal ini k = 2)
Sb = simpangan standar/baku dari b 0
0

Sb = simpangan standar/baku dari b 1

1

Sb = simpangan standar/baku dari b 2

2

SY .12 = se = simpangan baku dari e (residual)

10
Contoh 10-1

Lima rumah tangga petani dari suatu daerah pertanian tertentu dipilih
sebagai sampel acak, untuk diteliti tentang pengaruh pendapatan dan jumlah
anggota keluarga terhadap pengeluaran konsumsinya. Dari penelitian yang
dilakukan diperoleh hasil sebagai berikut (Anggaplah sebaran populasinya
normal).

Y 7 9 8 5 6
X1 8 12 9 6 6
X2 6 3 3 2 6

X 1 = pendapatan per tahun (juta rupiah)

X 2 = jumlah anggota keluarga (orang)
Y = konsumsi per tahun (juta rupiah)

(a) Dengan metode kuadrat terkecil susunlah model regresinya.

(b) Hitunglah nilai SY .12 , Sb , Sb dan Sb
0 1 2

(c) Berikanlah interpretasi terhadap koefisien regresi parsialnya

(d) Berikanlah interpretasi terhadap nilai Sy-12 pada butir (b)

Penyelesaian

(a) Menyusun model regresinya (regresi sampel)

Tabel 10.1 Perhitungan Unsur-unsur Model Regresi

Y X1 X2 x 1= X 1 - X 1 x 2= X 2 - X 2 y = Y- Y
7 8 6 - 0,2 2 0
9 12 3 3,8 -1 2
8 9 3 0,8 -1 1
5 6 2 -2,2 -2 -2

11
 6 6 6 -2,2 2 -1
35 41 20

y2 x 1y x 2y x 21 x 22 x1 x2
0 0 0 0,04 4 -0,4
4 7,6 -2 14,44 1 -3,8
1 0,8 -1 0,64 1 -0,8
4 4,4 4 4,84 4 4,4
1 2,2 -2 4,84 4 -4,4
10 15 -1 24,8 14 -5

Dari Tabel 10.1 dapat diketahui bahwa, n = 5

∑Y = 35 → Y =
∑Y 35
= 5 =7
n

∑ X = 41 → X
1 1 =
∑ X1 41
= 5 = 8,2
n

∑ X = 20 → X
2 2 =
∑ X2 20
= 5 =4
n
Dari baris terakhir Tabel 10.1 diketahui bahwa :
∑ x 1y = 15 ∑ x 2y = -1 ∑ x 21 = 24,8 ∑x 2
2 = 14
∑x 1 x 2 = -15 ∑y 2
= 10

Per rumus terakhir (10.6), dapat dihitung nilai b 1,

( ∑ x 1 y ) ( ∑ x 22 )− ( ∑ x1 x 2 )( ∑ x 2 y )
b1 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
( 15 )( 14 )−(−5 )(−1) 205
=
( 24,8 )( 14 )−(−5 )2
= 322,2 = 0,6363

Per rumus terakhir (10.7), dapat dihitung nilai b 2,

( ∑ x 2 y ) ( ∑ x 21 )−( ∑ x 1 x 2 )( ∑ x 1 y )
b2 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2

12
 (−1 )( 24,8 )−(−5 ) (15) 50,2
= = = 0,1558
( 24,8 )( 14 )−(−5 )2 322,2

Selanjutnya per rumus (10.5), b 0 dapat dihitung,

b0 = Y – b1 X1 - b2 X2

= 7 – 0,6363(8,2) – 0,1558(4)
= 1,1591

Jadi, model regresinya

Y^ = b 0 + b 1 X 1 + b 2 X 2
¿ 1,1591 + 0,6363 X 1 + 0,1558 X 2

(b) Menghitung SY .12 , SYb , SYb dan SYb

0 1 2

Per Rumus (10.14), nilai SY .12 dapat dihitung sebagai berikut :

∑ y 2−b1 ∑ yx 1−b2 ∑ yx 2
SY .12 =
√ n−3

SY .12 = 10−0,6363 ( 15 )−0,1558 (−1)

√ 5−3
= √ 0,3056 = 0,5528

S2Y .12 = 0,3056

Selanjutnya Sb , Sb dan Sb masing- masing dihitung melalui tahapan berikut:

0 1 2

2 2 2 2
1 X́ 1 ∑ X 2 + X́ 2 ∑ X 1−2 X́ 1 X́ 2 ∑ x 1 x 2 2
Var(b 0) =
[ n
+
∑ X 21 ∑ X 22 −(∑ x 1 x 2 )2
SY .12
]
2 2
1 ( 8,2 ) ( 14 )+ (14 ) (24,8 )−2 ( 8,2 )( 4 ) (−5 )
Var(b 0) = [ 5
+
( 24,8 )( 14 )−(−5 )2
(0,3056)]
= 1,6414

Sb 0
= √ Var (b0 )
¿ √ 1,6414 = 1,2811

( ∑ X 22 )( SY2 .12 )
Sb 1
= √ Var (b1 ) =
√ ( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2

13
 ( 14 )( 0,3056) 4,2784
¿
√ ( 24,8 )( 14 )−(−5 )
2 =
√ 322,2

= 0,1152

( ∑ X 21 )( SY2 .12 )
Sb 2
= √ Var (b2 ) =
√ ( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2

( 24,8 ) (0,3056) 7,5789

¿
√ ( 24,8 )( 14 )−(−5 )
2
=
√
322,2

= 0, 1534

Jadi SY .12 = 0,5528, Sb = 1,2811, Sb = 0,1152 dan Sb = 0, 1534

0 1 2

(c) Interpretasi terhadap nilai b 0 , b 1 , dan b 2

 Nilai b 0= 1,1591 memiliki arti bahwa pengeluaran konsumsi rata - rata per
rumah tangga petani per tahun sebesar 1,1591 juta rupiah, bila pendapatan
nol ( X 1 = 0) dan jumlah anggota keluarga ( X 2 = 0). Dalam teori ekonomi b 0
disebut konsumsi otonom.
 Nilai b 1 = 0,6363, memiliki arti bahwa bila pendapatan rumah tangga ( X 1 )
petani tersebut naik satu juta rupiah, maka pengeluaran konsumsi rata-rata
per rumah tangga petani akan naik sebesar 0,6363 juta rupiah jika jumlah
anggota keluarga ( X 2 ) tetap.
 Nilai b 0 = 0,1558, memiliki arti bahwa bila anggota keluarga rumah tangga
( X 2 ) petani tersebut bertambah satu orang, maka pengeluaran konsumsi
rata-rata per rumah tangga petani akan naik sebesar 0,1558 juta rupiah,
jika pendapatannya ( X 1 ) tetap.
(d) Interpretasi terhadap nilai SY .12 atau se
Dari jawaban butir (b) diketahui bahwa SY .12 = 0,5528. Nilai SY .12 =
0,5528 artinya sekitar 68% nilai residual terletak antara minus Rp 0,5528 juta
rupiah dan Rp 0,5528 juta. Sekitar 95% nilai residual terletak antara minus

14
 Rp 1,1056 juta dan Rp 1,1056 juta. Hampir seluruh residualnya (sekitar
99,7%) terletak antara minus Rp 1,6584 juta dan Rp 1,6584.

10.5 Koefisien Determinasi dan Koefisien Korelasi

 Koefisien Determinasi ( R2)

Dalam regresi dua variabel, r 2 merupakan ukuran kesuaian atau ketepatan
garis regresi terhadap sebaran datanya, atau menunjukkan proporsi total variasi
variabel terikat yang dijelaskan oleh variabel bebas yang tunggal. Untuk
menghitung nilai koefisien determinasi regresi berganda dua variabel bebas
dipakai rumus berikut :
(10.15)

∑ ( Y^ −Ý )2 b1 ∑ yx1 +b 2 ∑ yx 2
2 =
2
R=
∑ (Y i −Ý ) ∑ y2

Seperti r 2, nilai R2 juga terletak antara 0 dan 1. Jika R2 = 1, berarti 100% total
variasi variabel terikat dijelaskan oleh variabel bebasnya, dan menunjukkan
ketepatan terbaik. Bila R2= 0 berarti tak ada total variasi variabel terikat yang
dijelaskan oleh variabel bebasnya.

 Koefisien Korelasi Berganda (R)

Dalam analisis regresi dua variabel, tingkat keeratan hubungan antara
variabel terikat dan variabel bebasnya diukur oleh koefisien korelasi, r.
Sedangkan dalam analisis regresi tiga variabel tingkat keeratan hubungan antara
variabel terikat dengan semua variabel bebasnya secara serempak diukur oleh
kooefisien korelasi berganda, R. Meskipun r dapat bernilai positif atau negatif,
namun R selalu bernilai positif. Dalam praktek, R kurang penting, yang lebih
penting adalah R2. Nilai R dapat dihitung dengan rumus:
(10.16)

15
 R = √ R2

Contoh 10-2
Untuk Contoh 10-1 hitunglah koefisien determinasinya dan berikan
interpretasinya.

Penyelesaian
Dari baris terakhir pada tabel 10.1 (contoh 10.1) dapat dipetik nilai-nilai ,

∑ yx 1 = 15, ∑ yx 2 = -1, ∑ y 2 = 10, dan ∑ x 1 x 2 = -5, juga telah dihitung b 1 =

0,6363 dan b 2 = 0,1558.

Selanjutnya, per rumus (10.15) dapat dihitung R2 dan diperoleh

b1 +∑ yx 1+ b2 ∑ yx 2
R2 =
∑ y2
0,6363 (15 )+ 0,1558(−1)
¿
10
= 0,9389

Interpretasi

Nilai R² = 0,9389, memiliki makna bahwa 93,89% dari total variasi (naik-
turunnya) pengeluaran konsumsi (Y) dapat dijelaskan secara serempak oleh
pendapatan ( X 1 ) dan anggota keluarga ( X 2 ) dan sisanya lagi 6,11% dipengaruhi
oleh factor-faktor lain yang tidak dimasukkan dalam model. Atau konstribusi
pendapatan ( X 1 ) dan jumlah anggota keluarga ( X 2 ) secara serempak terhadap total
variasi (naik-turunnya) pengeluaran konsumsi sebesar 93,89%. Sisanya lagi yaitu
6,11% merupakan konstribusi faktor-faktor lain, yang tidak dimasukkan dalam
model.

10.6 Menaksir Varibael Terikat Y

16
 Menaksir nilai varibael terikat (Y) untuk nilai variabel bebas X 1 dan X 2
tertentu, dapat dilakukan setelah persamaan regresi disusun. Agar lebih jelas
perhatikan Contoh 10-3 berikut.

Contoh 10-3
Untuk Contoh 10-1, taksirlah konsumsi seorang petani yang berpenghasilan Rp 10
juta dengan 5 orang anggota keluarga.

Penyelesaian
Dari jawaban butir (a) Contoh 10-1, dapat diketahui persamaan/model regresi
sebegai berikut:

Ŷ = 1,1591 + 0,6363 X 1 + 0,1558 X 2

Dengan menggantikan X 1 = 10 dan X 2 = 5 dalam persamaan maka didapat nilai

Y yang ditaksir (Ŷ ) sebagai berikut :

Ŷ= 1,1591 + 0,6363(10) + 0,1558(5)

= 8,3011

Jadi, besarnya konsumsi seorang petani yang berpenghasilan Rp 10 juta

dengan 5 orang anggota keluarga ditaksir/diperkirakan sebesar Rp 8,3011 juta.

10-7 Pelaporan Hasilhasil Analisis Regresi

Dalam Praktek hasil hasil analisis regresi yang dilaporkan adalah koefisien-
koefisien regresi disertai kesalahan standar atau simpangan bakunya dan
determinasi ( R2). Kesalahan standar ditempatkan (dalam kurung) dibawah
koefisien regresinya masing masing, sementara R2 ditempatkan di sebelah kanan
persamaan regresinya.

Bila hasil analisis regresi Contoh 10.1 dilaporkan dalam bentuk ringkas
formatnya sebagai berikut:

Y^ i = 1,1591 + 0,6363 X 1 + 0,1558 X 2

R2 = 0,9389

17
 Sb = (0,2811) (0,1152) (0,1534)
j

Agar dapat lebih memahami pokok bahasan ini, berikut diberikan satu contoh
lagi.

Contoh 10-4
Diberikan data seperti berikut :

Y 70 66 62 56 54
X1 4 6 8 10 11
X2 20 30 40 50 60

X 1 = jarak daerah tujuan wisata dari kota asal wisatawan domestic (ratus km)
X 2 = harga kamar hotel per hari di daerah tujuan wisata (ratus ribu rupiah)

Y = jumlah kamar yang terjual di daerah tujuan wisata (puluh unit)

Berdasarkan data diatas

(a) Susunlah model regresinya.
(b) Hitunglah SY .12 , Sb , Sb dan Sb
0 1 2

(c) Berikan interpretasi terhadap nilai SY .12

(d) Berikan interpretasi terhadap koefisien regresi persialnya.
(e) Hitunglah koefisien determinasinya dan berikan interpretasinya
(f) Buatlah laporan ringkas mengenai hasil analisis regresi
(g) Prediksilah jumlah kamar yang dapat terjual bila harga kamar Rp 7 juta dan
jarak lokasi hotel dari kota asal wisdom 3.500 km.

Penyelesaian
(a) Menyusun model regresinya (regresi sampel)
Tabel 10.2 Perhitungan Unsur-unsur Model Regresi

Y X1 X2 y = Y- x 1= X 1 - X 1 x 2= X 2 - X 2
70 4 20 8,4 -3,8 -20
66 6 30 4,4 -1,8 -10
62 8 40 0,4 0,2 0

18
 56 10 50 -5,6 2,2 10
54 11 60 -7,6 3,2 20
308 39 200 0,4

y2 x 1y x 2y x 21 x 22 x1 x2
70,56 -31,92 -168 14,44 400 76
19,36 -7,92 -44 3,24 100 18
0,16 0,08 0 0,04 1 0
31,36 -12,32 -56 4,84 100 22
57,76 -24,32 -152 10,24 400 64
179,2 -76,4 -420 32,8 1.000 180

Dari Tabel 10.2 dapat diketahui bahwa,

∑Y = 308 → Y =
∑Y =
308
n 5 = 61,6

∑ X = 39 → X
1 1 =
∑ X1 39
= 5 = 7,8
n

∑ X = 200 → X =
∑ X2 =
200
2
n
2
5 = 40
Dari baris terakhir Tabel 10.1 diketahui bahwa :
∑ x 1y = -76,4 ∑ x 2y = - 420 ∑ x 21 = 32,8 ∑x 2
2 = 1.000
∑x 1 x 2 = 180 = 179,2 ∑y 2

Per rumus terakhir (10.6), dapat dihitung nilai b 1,

( ∑ x 1 y ) ( ∑ x 22 )− ( ∑ x1 x 2 )( ∑ x 2 y )
b1 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
(−76,4)(1.000)−(180)(−420) −800
= ( 32,8 ) (1.000 )−( 180 )2 = 400 = -2,00

Per rumus (10.7), dapat dihitung nilai b 2,

( ∑ x 2 y ) ( ∑ x 21 )−( ∑ x 1 x 2 )( ∑ x 1 y )
b2 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
(−420 ) ( 32,8 )−(180)(−76,4)
= 2 = −24
400
= -0,06
(32,8)(1.000)−( 180 )

19
 Selanjutnya per rumus (10.5), b 0 dapat dihitung,
b0 = Y – b1 X1 - b2 X2

= 61,6 – (-2,00) (7,8) – (- 0,06)(40)

= 79,6

Jadi, model regresinya

Y^ = b 0 + b 1 X 1 + b 2 X 2
¿ 79,6 + 2,00 X 1 – 0,06 X 2

(b) Menghitung Sb , Sb dan Sb 0 1 2

Per Rumus (10.14), nilai SY .12 dapat dihitung sebagai berikut :

∑ y 2−b1 ∑ yx 1−b2 ∑ yx 2
SY .12 =
√ n−3

SY .12 = 179,2−(−2 )(−76,4 )−(−0,06)(−420)

√ 5−3
= √ 0,6 = 0,7745

S2Y .12 = 0,6

Selanjutnya Sb , Sb dan Sb masing- masing dihitung melalui tahapan berikut:

0 1 2

2 2 2 2
1 X́ 1 ∑ X 2 + X́ 2 ∑ X 1−2 X́ 1 X́ 2 ∑ x 1 x 2 2
Var(b 0) =
[ n
+
∑ X 21 ∑ X 22 −(∑ x 1 x 2 )2
SY .12
]
2 2
1 ( 7,8 ) ( 1000 ) + ( 40 ) ( 32,8 ) −2 ( 7,8 )( 40 )( 180 )
Var(b 0) = [ 5
+
( 32,8 )( 1000 )− (180 )2
(0,6) ]
1 1000
= [ +
5 400 ]
(0,6) = 1,62

Sb 0
= √ Var (b0 )
¿ √ 1,62 = 1,273

( ∑ X 22 )( SY2 .12 )
Sb 1
= √ Var (b1 ) =
√ ( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2
(1000)(0,6) 600
¿
√ ( 32,8 )( 1000 )− (180 )2
=
√ 400

20
 = 0,1225

∑ X 21 )( SY2 .12 )
Sb 2
= √ Var (b2 ) =
√ (
( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2

( 32 ,8 ) (0 , 6) 19,68
¿
√ ( 32 , 8 ) ( 1000 )−( 180 ) √
2
=
400

= 0, 222

Jadi SY .12 = Se = 0,6000, Sb = 1,2730, Sb = 0,1225 dan Sb = 0, 2220

0 1 2

(c) Dari jawaban butir (b) diketahui bahwa SY .12= 0,6. Nilai SY .12 = 0,6 artinya
sekitar 68% nilai residual (selisih kuantitas kamar pengamatan dan
estimasinya) terletak antara minus 6 unit (= 0,6 x 10 unit) dan Rp 6 unit.
Sekitar 95% nilai residual terletak antara minus 12 unit dan 12 unit kamar.
Hampir seluruh residualnya (sekitar 99,7%) terletak antara minus 18 unit dan
18 unit kamar.
(d) Interpretasi terhadap koefisien regresi parsialnya
b 1 = - 2.000, artinya bila tarif/harga kamar hotel per hari naik satu juta rupiah,
maka kuantitas kamar yang akan terjual secara rata-rata akan turun 2 unit, jika
jarak lokasi hotel dari kota asal tetap.
b 2 = - 0,06 artinya bila jarak lokasi hotel dari kota asal kebijaksanaan
(wisatawan domestik) bertambah seratus km, maka kuantitas kamar yang
akan terjual secara rata-rata berkurang / turun sebanyak 6 unit (= 100 x 0,06
unit), jika harga kamar per harinya tetap.
(e) Menghitung Koefisien Determinasi dan interpretasinya

per rumus (10.15) dapat dihitung R2 dan diperoleh

b1 +∑ yx 1+ b2 ∑ yx 2
R2 =
∑ y2
(−2 )(−76,4 ) +(−0,06)(−420)
¿
179,2

21
 178
¿
179,2
= 0,9933
Interpretasi
R2 = 0,993 artinya 99,3% total variasi (turun naiknya) kuantitas kamar hotel
yang terjual dijelaskan/dipengaruhi secara serempak oleh tarif per harinya
dan jarak lokasi hotel dari kota asal wisdom, dan sisanya lagi 0,7%
dijelaskan/dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam
model.

(f) Laporan ringkas hasil-hasil analisis regresi

Dari hasil bulir (a), (b) dan € dapat disusun laporan ringkas hasil-hasil
analisis regresi sebagai berikut:
Y^ = 79,6 – 2,00 X 1 – 0,06 X 2
R2 = 0,993
Sb = (1,2730) (0,1225) (0,2220)
j

(g) Y^ = …? Bila X 1 = 3,5 dan X 2 = 7 (sesuaikan satuan data dengan satuan data
dalam soal)
Y^ = 79,6 – 2,00 X 1 – 0,06 X 2
¿ 79,6 – 2(10) – 0,06(7)
= 59,18
= 59 (dibulatkan)
Jadi bila kuantitas kamar yang dapat terjual jarak lokasi hotel dari kota
asal kebijaksanaan 10.000 km dan tarif kamar Rp 700 ribu ditaksir sebanyak
59 unit.

22
 BAB III
PENUTUP

3.1 Kesimpulan

Korelasi merupakan hubungan antara dua kejadian dimana kejadian yang

satu dapat mempengaruhi eksistensi kejadian yang lain, Misalnya kejadian X
mempengerahui kejadian Y. Apabila dua variable X dan Y mempunyai hubungan,
maka nilai variable X yang sudah diketahui dapat dipergunakan untuk
memperkirakan/menaksir atau meramalkan Y. Ramalan pada dasarnya merupakan
perkiraan/taksiran mengenai terjadinya suatu kejadian(nilai suatu variabel) untuk
waktu yang akan datang. Variable yang nilainya akan diramalkan disebut variable
tidak bebas (dependent variable), sedangkan variabel C yang nilainya
dipergunakan untuk meramalkan nilai Y disebut variable bebas (independent
variable) atau variable peramal (predictor) atau seringkali disebut variable yang
menerangkan (explanatory).

Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui suatu
di luar hasil penyelidikan, Salah satu cara untuk melakukan peramalan adalah
dengan menggunakan garis regresi. Untuk menghitung parameter yang akan
dijadikan dalam penentuan hubungan antara dua variabel, terdapat beberapa cara,
yaitu: koefisien detreminasi, koefisien korelasi. Apabila terdapat data
berkelompok menggunakan koefisien data berkelompok dan bila menggunakan

23
data berganda maksudnya variabel bebas yang mempengaruhi variabel terikat ada
dua, maka menggunakan koefisien berganda.Sedangkan regeresi di bagi menjadi
dua, yaitu regresi linier dan regresi non linier. Dimana regresi linier juga dibagi
menjadi dua yakni regresi linier sederhana dan regresi linier berganda.

DAFTAR PUSTAKA

Nata Wirawan, Cara Mudah Memahami STATISTIKA EKONOMI DAN

BISNIS : Statistika Deskriptif Buku 1 Edisi Keempat. Karanas Emas

24
25