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.
 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 /
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.
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 Analisis Regresi dan Korelasi
Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu
variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut
Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent
Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan
satu variabel terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika variabel
bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.
Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara
dua variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai
hubungan positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.
Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga
nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X)
terhadap nilai ujian (Y) adalah sebagai berikut :
Y(nilai X (lama belajar) X 2 XY
ujian)
40 4 16 160
60 6 36 360
50 7 49 350
70 10 100 700
 90 13 169 1.170
2
ΣY = 310 ΣX = 40 ΣX  = 370 ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X

Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat
diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2)
terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi
nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar
sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang
dapat mempengaruhi dianggap tetap.
Analisis Korelasi (r) : digunakan untuk mengukur tinggi redahnya derajat hubungan antar
variabel yang diteliti. Tinggi rendahnya derajat keeratan tersebut dapat dilihat dari koefisien
korelasinya. Koefisien korelasi yang mendekati angka + 1 berarti terjadi hubungan positif yang
erat, bila mendekati angka – 1 berarti terjadi  hubungan negatif yang erat. Sedangkan koefisien
korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah atau tidak erat.
Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1. Untuk koefisien korelasi sama
dengan – 1 atau + 1 berarti hubungan kedua variabel adalah sangat erat atau sangat sempurna dan
hal ini sangat jarang terjadi dalam data riil. Untuk mencari nilai koefisen korelasi (r) dapat
digunakan rumus sebagai berikut : r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N .
ΣY2) – (ΣY)2]}

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika
sebagai berikut :
 Sampe X (statistik) Y (matematika) XY X2 Y2
l
1 2 3 6 4 9
2 5 4 20 25 16
3 3 4 12 9 16
4 7 8 56 49 64
5 8 9 72 64 81
Jumlah 25 28 166 151 186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan
matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa
mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika
nilai statistik jelek maka nilai matematikanya juga jelek.
2.3 Macam-Macam Regresi Dan Korelasi
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1.      Regresi Linier Sederhana
Hubungan antara 2 variabel. Yaitu x (variabel bebas) dan y (variabel tak bebas). Kedua variable
datanya kuantitatif.
Misal: Berat badan seseorang dipengaruhi tinggi badannya
2.      Regresi Linier Berganda
Hubungan antara variabel y dengan dua atau lebih variabel x. Semua variable datanya kuantitatif.
Misal : produksi padi dipengaruhi oleh jenis pupuk, suhu, lama penyinaran, dll       
3.      Regresi Nonlinier
Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju perubahan y
akibat laju perubahan x tidak konstan untuk nilai-nilai x tertentu.
Misal : Produksi padi akan meningkat saat diberi pupuk taraf rendah ke sedang. Tapi kalau diberi
dengan taraf tinggi, malah produksinya menurun.
4.      Regresi Dummy
Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif).
Misal : Melihat pengaruh kemasan terhadap harga jual makanan. Kita coding 1 jika kemasan
menarik dan 0 jika kemasan tidak menarik. 1 dan o adalah variabel dummy.
5.      Regresi Logistik
Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif).
Misal : Ingin diketahui apakah konsumen akan membeli makanan di rumah makan berdasarkan
penilaian konsumen terhadap lokasi, pelayanan, pendapatan. Dalam kasus ini hanya ada 2
kemungkinan respon konsumen, yaitu konsumen membeli (1) dan tidak membeli (0).
Macam-macam korelasi terdiri dari:
1.      Korelasi Positif
Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel bebas y) secara ‘’Searah’’
1.      Korelasi Negatif
Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel bebas y) secara ’’Berlawanan”.
2.      Korelasi Sederhana (Simple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel saja.
3.      Korelasi Multiple (Multiple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel atau lebih. Misalkan pada model
regresi linier multiple (y = a0 + a1x1 + a2x2 + e), maka maksud dan pengertian dari pernyataan
diatas adalah Tingkat hubungan antara antar y dan x 1 atau tingkat hubungan antara y dengan x 2
atau tingkat hubungan antara x1 dan x2.
4.      Korelasi Sempurna (Perfect Corelation)
Maksud dan pengertian dari korelasi sempurna antara 2 variabel, yaitu suatu kondisi bahwa
setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y-nya. Hal ini
dapat diartikan pula, bahwa garis regresi yang terbentuk dari kata yang tersebar (terdistribusi)
adalah merupakan tempat kedudukan dari data-data dimaksud, sehingga nilai r nya =1 atau r =
-1.
5.      Korelasi Tidak sempurna (Imperfect Corelation)
Korelasi antara 2 (dua) variabel yang dikatakan tidak sempurna, jika titik-titik yang tersebar
tidak terdistribusi tepat pada satu garis lurus.
6.      Korelasi yang Mustahil (Nonsense Corelation)
Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada.

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 r 2 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 r2 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.      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.
 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 terdiri dari:

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.
 DAFTAR PUSTAKA

Supangat,Andi. 2010. Statistika. Jakarta:Kencana

Sungkawa, Iwa. "Penerapan Analisis Regresi Dan Korelasi Dalam Menentukan Arah Hubungan
Antara Dua Faktor Kualitatif Pada Tabel Kontingensi." Jurnal Mat Stat 13.1 (2013): 33-41.

Sungkawa, I. (2013). Penerapan Analisis Regresi Dan Korelasi Dalam Menentukan Arah
Hubungan Antara Dua Faktor Kualitatif Pada Tabel Kontingensi. Jurnal Mat Stat, 13(1), 33-41.

Sungkawa, Iwa. "Penerapan Analisis Regresi Dan Korelasi Dalam Menentukan Arah Hubungan
Antara Dua Faktor Kualitatif Pada Tabel Kontingensi." Jurnal Mat Stat 13, no. 1 (2013): 33-41.