1

REGRESI DAN KORELASI

1. Cara mendapatkan garis regresi dengan metode Least Squares:

Tuliskan formulasi optimalisasi sebagai berikut

min SSE  min  ( y  yˆ )  min  ( y  bx  a )
2 2

Gunakan diferensiasi SSE dan samakan nilainya dengan 0:

Turunan parsial terhadap koefisien regresi b:

  ( y  bx  a )
2
SSE
 0
b b
2 ( yi  bxi  a)(  xi )  0
 i i  i  axi  0
 x y  bx 2

 i  axi   xi yi
bx 2

b xi 2 a  xi   xi yi
Bentuk terakhir disebut persamaan normal pertama

Turunan parsial terhadap konstanta regresi a:

  ( y  bx  a )
2
SSE
 0
a a
2 ( yi  bx  a)(1)  0
  y   bx  a  0
i i

 bx  a   y
i i
 2

Bentuk terakhir disebut persamaan normal kedua

Kedua persamaan normal membentuk sebuah system persamaan linear dengan
2 yang tidak diketahui yaitu a dan b yang dapat diselesaikan dengan metode
matriks atau eliminasi

Menggunakan metode matriks:

b xi 2 a  xi   xi yi
b xi a (n)   yi
  xi 2

 x   b     x y 
i i i
 
  xi n   a    y  i

b
 invers
 x

 x    x y 
i
2
i i i
 
a  x
 n    y 
i i

1
invers  A   Adj ( A)
Det ( A)
b 1  n  xi    xi yi 
   2   
 a  n xi  ( xi )   xi  xi 2    yi 
2 

n xi yi   xi  yi  x y  nxy i i
b 
n xi 2  ( xi )
2
 x  nx i
2 2

a
 y x x y x
i i
2
i i i

n x  ( x ) 2 2
i i

a  y  bx

Tunjukkan rumus untuk a yang terakhir adalah benar. Dilakukan dengan

substitusi b ke persamaan a dan ditunjukkan hasilnya sama seperti yang didapat
dari persamaan matriks.
 3

a
 y  x   x y  x  ny  x
i i
2
i i i i
2
 nx  xi yi
n  x  ( x ) n x  ( xi )
2 2 2 2
i i i

n x y   x  y i i i i
b
n x  ( x ) 2 2
i i

 y  n  x y   x  y x  [n  x  ( xi ) ]( y )  nx  xi yi  x  xi  yi
2 2
i i i i i i

n  x  ( x ) n xi 2  ( xi )
2 2
n i
2
i

ny  x  B  nx  x y  B
i
2
i i

Det ( A)

Metode Matriks dapat digunakan untuk mencari Least Squares dari persamaan
regresi linear berganda: Y = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y                   =   Variabel dependen (nilai yang diprediksikan)
X1 dan X2      =   Variabel independen
a                      =   Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
       b1, b2,….  =    Koefisien regresi yang mengukur kontribusi variabel independen
X1, X2, …pada nilai variabel dependen

Latihan: 1) Dapatkan persamaan regresi linear sederhana menggunakan metode

eliminasi
2) Dapatkan persamaan regresi linear dengan 2 variabel independen
menggunakan metode matriks.

2.Cara menghitung Koefisien korelasi dan regresi

 4

Mengukur seberapa kuat atau derajat kedekatan suatu relasi antar variabel
Jenis-jenis koefisien korelasi
1. Koefisien korelasi pearson
2. Koefisien korelasi rank spearman
3. Koefisien korelasi kontingensi
4. Koefisien penentu

Koefisien korelasi memiliki nilai -1≤ r ≤+1

• Untuk menentukan keeratan korelasi antarvariabel diberikan patokan
KK
• 0 < r ≤ 0,2, korelasi sgt lemah
• 0,2 < r ≤ 0,4, korelasi lemah tp pasti
• 0,4 < r ≤ 0,7, korelasi yg cukup berarti
• 0,7 < r ≤ 0,9, korelasi sgt kuat
• 0,9 < r < 1, korelasi kuat sekali
KK = 1, korelasi sgt sempurna

1. Koefisien korelasi Pearson (data dengan skala rasio atau interval)

Terdapat hubungan erat antara koefisien regresi sederhana dan koefisien korelasi.
Sehingga setelah prosedur penghitungan koefisien regresi selesai maka hasilnya
dapat digunakan untuk menghitung koefisien korelasi menurut persamaan berikut:

Koefisien korelasi Pearson Atau disebut korelasi product moment

n xy   x  y
r
[n x 2  ( x ) 2 ][n y 2  ( y ) 2 ]
Rumus: dengan r berkisar antara -1 dan 1

Hubungan antara koefisien korelasi dan koefisien determinasi (R²)

a) Nilai Koefisien korelasi adalah akar dari koefisien determinasi (R²) dengan
tanda sesuai koefisien regresi:
R2  r 2

Cara lain untuk menghitung koefisien determinasi adalah:

a   Y   b :  
XY   n Ysuatu ukuran yg digunakan utk melihat
2

Koefisien determinasi merupakan

R2 
 (Y )2  nvariabel
seberapa besar sumbangan (Y ) 2 independent terhadap variasi variabel
dependent.
- Nilai R² berkisar 0 < R² < 1
 5

Sehingga koefisien Determinasi mengukur ketepatan garis regresi dari hasil

estimasi thd sekelompok data hasil observasi dan merupakan proporsi dr
jumlah variasi yg diterangkan oleh model regresi.

b) Hubungan koefisien korlasi dengan koefisien regresi

Terdapat persamaan yang mengaitkan antara kedua besaran tersebut, yaitu

br
 (x  x )
2

r
x 2
 nx 2
 ( y  y) 2
y 2
 ny 2
Contoh 1: Ingin diketahui apakah ada hubungan pengaruh antara biaya iklan
perusahaan (X) dgn tingkat laba bersih perusahaan (Y), semua biaya dalam jutaan
rupiah
X 1,5 1,0 2,8 0,4 1,3 2,0
• Buatlah
Y 3,6 2,8 5,4 1,9 2,9 4,3
persamaan regresinya dan jelaskan artinya
• Berapa korelasinya
• Ujilah pendapat bahwa biaya iklan tidak berpengaruh terhadap laba
bersih perush dgn α sebesar 4%

Contoh 2: Buatlah hipotesis untuk uji korelasional antar 2 variabel. Data sampel
yang diperoleh berskala interval diambil secara random.
 
X 3 6 9 10 13

Y 12 23 24 26 28
No. Responden 1 2 3 4 5
Berdasarkan data tersebut tunjukkan:
(a) Ada tidaknya hubungan antara 2 variabel dengan taraf signifikansi sebesar 5
persen ;
(b) Arah hubungan dan kekuatan hubungan antar 2 variabel dan ;
(c) Besarnya kontribusi variabel X terhadap Y;
(d) Tentukan persamaan regresi sederhana menggunakan perhitungan a-c .