MODUL PEMBELAJARAN

PROGRAM STUDI
TEKNIK INFORMATIKA

Mata Kuliah : Statistika dan Probabilitas

Bobot Sks : 3
Dosen Pengembang : Muhammad Ikhwani Saputra, S.Kom, M.Kom
Tutor :
Capaian Pembelajaran : 1. …..
Mata Kuliah 2.
Kompetentsi Akhir Di 1. Mahasiswa mampu untuk memahami
Setiap Tahap (Sub- pengertian dari regresi dan korelasi linier
Cpmk) sederhana
2. Mahasiswa mampu menjelaskan pengertian
regresi dan korelasi linier sederhana
Minggu Perkuliahan 5
Online Ke-

JUDUL TOPIK – Analisa Regresi Sederhana dan

Analisa Korelasi Sederhana

1. Pendahuluan
PERSAMAAN REGRESI LINEAR :
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau
tidaknya korelasi antar variabelnya. Istilah regresi itu sendiri berarti ramalan atau
taksiran.Persamaan yang digunakan untuk mendapatkan garis regresi pada data
diagram pencar disebut persamaan regresi.

Untuk menempatkan garis regresi pada data yang diperoleh maka digunakan
metode kuadrat terkecil, sehingga bentuk persamaan regresi adalah sebagai berikut:
Y’ = a + b X Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir
dengan persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah
aritmatika) memiliki dua sifat matematis berikut : S(Y – Y’) = 0 dan S(Y – Y’)2 = nilai
terkecil atau terendah. Dengan perkataan lain, garis regresi akan ditempatkan pada
data dalam diagram sedemikian rupa sehingga penyimpangan (perbedaan) positif titik-
titik terhadap titik-titik pencar di atas garis akan mengimbangi penyimpangan negatif
titik-titik pencar yang terletak di bawah garis, sehingga hasil pinyimpangan
keseluruhan titik-titik terhadap garis lurus adalah nol.

1
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Untuk tujuan diatas, perhitungan analisis regresi dan analisis korelasi dapat
dipermudah dengan menggunakan rumus dalam bentuk penyimpangan nilai tengah

X dandariY
variabel X dan Y, yaitu penyimpangan .
Oleh karena itu, dapat digunakan simbol berikut ini :

x=( X −X )
y=( Y −Y )
dan xy=( X−X )( Y −Y )
Nilai dari a dan b pada persamaan regresi dapat dihitung dengan rumus berikut :

∑ xi y i
b=
∑ x 2i
n ∑ X i Y i −∑ X i ∑ Y i
atau b= 2
n ∑ X i2−( ∑ X i )
a=Y −b X
2. Isi
PENGGUNAAN PERSAMAAN REGRESI DALAM PERAMALAN :

Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari
variabel tak bebas pada nilai variabel bebas tertentu. Tentu saja, tidak mungkin untuk
mengatakan dengan tepat.

ANALISIS KORELASI:

Suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau
koelasi antara dua variabel.

Hubungan dua variabel ada yang positif dan negatif. Hubungan X dan Y dikatakan
positif apabila kenaikan (penurunan) X pada umumnya diikuti oleh kenaikan
(penurunan) Y. Sebaliknya dikatakan negatif kalau kenaikan (penurunan) X pada
umumnya diikuti oleh penurunan (kenaikan) Y.

2
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

Hubungan Inflasi dan Suku Hubungan Produksi dan

Bunga (Korelasi Negatif) Harga Minyak Goreng
(Korelasi Positif)
35 700
30 600
25 500
20 400
15 300
10 200
5 100
0 0
2,01 9,35 12,55 10,33 637 740 722 781 849 881
Inflasi Harga Minyak Goreng

Jadi, kalau variabel X dan Y ada hubungan, maka bentuk diagram pencarnya adalah
mulus/teratur.

Apabila bentuk diagram pencar tidak teratur, artinya kenaikan/penurunan X pada

umumnya tidak diikuti oleh naik turunnya Y, maka dikatakan X dan Y tidak berkorelasi.
Kuat dan tidaknya hubungan antara X dan Y apbila dapat dinyatakan dengan fungsi
linear(paling tidak mendekati), diukur dengan suatu nialai yang disebut koefisien
korelasi. Nilai koefisien korelasi ini paling sedikit –1 dan paling besar 1. Jadi jika r =
koefiaien korelasi, maka r dapat dinyatakan sebagai berikut : -1£ r £ 1

Jika r =1, hubungan X dan Y sempurna dan positif, r = -1, hubungan X dan Y
sempurna dan negatif, r mendekati 1, hubungan sangat kuat dan positif, r mendekati –
1, hubungan sangat kuat dan negatif.
Disini X dikatakan mempengaruhi Y, jika berubahnya nilai X akan menyebabkan
perubahan nilai Y.

3
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

KOEFISIEN PENENTUAN :
Naik turunnya Y adalah sedemikian rupa sehingga nilai Y bervariasi, tidak semata-
mata disebabkan oleh X, karena masih ada faktor lain yang menyebabkannya. Jadi
untuk mengatahui berapa besar kontribusi dari X terhadap naik turunnya nilai Y maka
harus dihitung dengan koefisien penentuan (koefisien determinasi). Kalau koefisien
penentuan ditulis KP, maka untuk menghitung KP digunakan rumus berikut : KP = r2.

CARA MENGHITUNG r :

n
n n n
∑ xi y i n ∑ X i Y i −∑ X i ∑ Y i
i=1
r= i =1 i=1 i=1
n n r=

√ √∑ x 2i ∑ y 2i
i=1 i=1
atau

√ n∑
n

i=1
X 2i −
n

(∑ ) √∑ (∑ )
i=1
Xi
2 n

i=1
Y 2i −
n

i=1
Yi
2

Kedua rumus diatas disebut koefisien korelasi Pearson.

KOEFISIEN KORELASI DATA BERKELOMPOK :

Rumus untuk menghitung koefisien korelasi yang sudah dibahas diatas adalah untuk
data yang tidak berkelompok (data yang belum disajikan dalam bentuk tabel frekuensi,
dengan menggunakan kelas-kelas atau katagori-katagori). Untuk data yang
berkelompok rumusnya adalah sebagai berikut :

n ( ∑ uvf )−( ∑ uf u ) ( vf v )
r= 2 2
√ √
n (∑ u 2 f u )−( ∑ uf u ) n (∑ v 2 f v )−(∑ vf v )

Rumus untuk menghitung koefisen korelasi bagi data berkelompok penting sekali
sebab dalam praktek, misalnya di dalam suatu penelitian, hasil data yang diperoleh
sudah disajikan dalam bentuk data berkelompok dengan interval kelas yang sama.

4
 MODUL PEMBELAJARAN
PROGRAM STUDI
TEKNIK INFORMATIKA

TEKNIK RAMALAN DAN ANALISIS REGRESI:

Tujuan utama materi ini adalah bagaimana menghitung suatu perkiraan atau
persamaan regresi yang akan menjelaskan hubungan antara dua variabel.

Setelah ditetapkan bahwa terdapat hubungan logis di antara variabel, maka untuk
mendukung analisis lebih jauh, barangkali tahap selanjutnya adalah menggunakan
grafik. Grafik ini disebut diagram pencar, yang menunjukkan titik-titik tertentu. Setiap
titik memperlihatkan suatu hasil yang kita nilai sebagai varibel tak bebas maupun
bebas.

Diagram pencar ini memiliki 2 manfaat, yaitu : membantu menunjukkan apakah

terdapat hubungan yang bermanfaat antara dua variabel, dan membantu menetapkan
tipe persamaan yang menunjukkan hubungan antara kedua variabel tersebut.

3. Soal Mandiri

4. REFERENSI/DAFTAR PUSTAKA

1. Prof. Dr. Agus Irianto, , “Statistik : Konsep Dasar dan Aplikasinya”, Jakarta,
Kencana, 2006
2. Getut Pramesti, “Aplikasi SPSS 15.0 dalam Model Linier Statistika”, Jakarta,
Media Alex Computindo, 2007.
3. Dr. Ir. Harinaldi, M.Eng, “Prinsip-Prinsip Statistik untuk Teknik dan
Sains”,Jakarta, Erlangga, 2005.
4. Prof. Dr. Sudjana, MA.,MSc., ”Metoda Statistika”, Bandung, Tarsito, 2007
5. Sudaryono, M.Pd., “Statistika Probabilitas [Teori&Aplikasi]”, Yogyakarta, Andi,
2012.