REGRESI & KORELASI SEDERHANA

Definisi:
 Regresi : menunjukkan bentuk hubungan antara variabel
yg satu dengan variabel yg lainnya.
 Korelasi : menjelaskan besarnya derajat keeratan atau
tingkat hubungan antara variabel yg satu dengan variabel
yg lainnya.

Analisis Regresi :
 Suatu cara untuk menentukan /mencari bentuk fungsi yg
paling cocok yg menunjukkan hubungan antara variable yg
satu dgn variable yg lainnya. Biasanya berupa kumpulan
titik2 yg dapat dihubungkan oleh garis/kurva ttt yg disebut
garis regresi (linier +-, kuadratik, kubik, tdk ada hubungan)
 teknik statistika yg berguna utk memeriksa dan
memodelkan hub diantara variabel (terapannya biasanya
dikaitkan dengan studi ketergantungan suatu var bebas pada
var terikat.
 suatu cara utk menentukan atau mencari bentuk fungsi yang
plg cocog yg menunjukkan hub antar variabel.
 diperlukan jika kita ingin mempelajari scr kuantitatif, hub
antara berbagai kejadian.
 berupa kumpulan titik2 yg dpt dihubungkan oleh garis /
kurva ttt yg disebut garis regresi (linier, kuadratik,
logaritmik, eksponensial kubik, dll).
Regresi Linier: mempelajari hubungan dalam bentuk garis
lurus antara 2 variabel, dan bertujuan untuk
mempelajari hubungan linier antara 2
variabel x dan y (regresi sederhana)
Materi Statistika Oleh Suminah 2021
 Ilustration
produksi (x y )
i, i

15 y = a + bx
b (  )  slope (delta/ y)
10

(  )a
1 kw 2 kw 3 kw
Intercep dosis pupuk

 gambar tersebut dilihat dari hubungan adalah linier positif,

dimana meningkatnya x diikuti peningkatan y
 ada kecenderungan membuat garis lurus, sehingga didekatai
dengan model yi    x (pasti/eksak) tetapi jira tidak pasti
maka dapat didekati dengan model Yi = α + βx + єj  dengan
ini kita peroles dugaan garis regresi lurus.
(Error dari v.acak yg tdk terobservasi)

 Intercep adl besarnya y pada saat x = 0

 Slope/garis kemiringan adl besarnya perubahan y, if x bertam-
bah satu satuan, smakin tinggi b semakin miring/termal garis
tsb.

Materi Statistika Oleh Suminah 2021

 ANALISIS REGRESI SEDERHANA

 merupakan suatu alat analisis yg digunakan utk meng-

estimasi/memprediksi nilai suatu variabel berdasarkan nilai
variabel yg lain

Regresi Linier Sederhana:

 mempelajari hubungan dalam bentuk garis lurus antara 2
variabel
 model populasi regresi linier sederhana: Yi   o   i xi   i

Yi = α + βx + єj
i = 1,2, …., n
xi, x2, …., x3 adalah variabel kontrol
єj adalah komponen sisaan yg tdk diketahui nilainya (acak)
α dan β adalah parameter yg nilainya tdk diketahui sehingga
diduga menggunakan statistik sampel.

 Dalam persamaan regresi di atas, komponen sisaan (galat)

merupakan komponen yg dapat menunjukkan :
1.Pengaruh dari berbagai variabel yg tidak dimasukan
dalam persamaan regresi krn berbagai pertimbangan.
2. Penetapan persamaaan matematika yg tdk sempurna
3. Kesalahan pengukuran dlm pengumpulan & pemproses-
an data observasi.

 Model populasi linier ini diduga dgn metode kuadrat ter-

kecil (Least Square Method) yaitu meminimumkan selisih
kuadrat antara y observasi dan y dugaan. Model sampelnya :
Yi  a  bxi
a adalah penduga bagi intersep (α)
b adalah penduga bagi koefisien regresi/slope (β)
Materi Statistika Oleh Suminah 2021
 Jika a & b sebagai penduga α & β, maka dapat kita gunakan
dengan metode kuadrat terkecil di dapat :

n(xy )  (x)(y )
b
n ( x 2 )  (  x ) 2
y  b(x)
a atau a = y - bx
n
Dengan prosedur pengerjaan sbb:
1. Susun nilai variable x dan y dalam bentuk table
2
2. Hitung nilai x , dan jumlahkan semua data (x,y)
3. Cari/hitung persamaan garis regresinya dengan rumus:
y = a + bx
Ex: skor nilai IQ dengan nilai Statistik

Materi Statistika Oleh Suminah 2021

Standard Error Estimasi :
 Langkah berikutnya adl mengukur ketepatan persamaan estimasi.
dgn standard error estimasi yg dinotasikan dg Se.
 Yaitu standard deviasi yg digunakan utk mengukur penyebaran
nilai observasi di sekitar garis regresi.
n 1 2
Se2  ( s y  b 2 s x2 )
n2
Sedangkan dalam hal ini,

n n n n
n x  ( xi )
2
i
2
n y  ( y i ) 2
2
i
s x2  i 1 i 1
dan s y2  i 1 i 1

n(n  1) n(n  1)

 Semakin tinggi Se berarti kesalahan pendugaan smakin tinggi

standard error koefisien regresinya.
 Selang kepercayaan bagi α SK (1- α ) 100% bagi parameter α
dalam garis regresi  y / x    x adalah:

n n

t /2
Se  xi
i 1
2
t /2
Se  xi
i 1
2

a   a
Sx n(n  1) Sx n(n  1)

 Selang kepercayaan bagi 

b t /2
Se
 b t /2
Se
Sx n(n  1) Sx n(n  1)

Materi Statistika Oleh Suminah 2021

 UJI HIPOTESIS BAGI 

(a   0 ) Sx n  (n  1)
t = Se x 2

UJI HIPOTESIS BAGI 

Sx n  1 (b   0 )
t = Se

Materi Statistika Oleh Suminah 2021

 ANALISIS KORELASI SEDERHANA

 Analisis regresi digunakan untuk memperoleh persamaan

estimasi dan utk mengetahui apakah 2 variabel mempunyai
hub atau tidak,
 Analisis korelasi digunakan untuk pengukuran keeratan
hubungan.
 Ada 2 penggukuran yg dapat digunakan utk menjelaskan
kaitan antara variabel x & variabel y, yaitu: koefisien
determinasi & koefisien korelasi.

Koefisien Determinasi (R²):

Merupakan suatu ukuran yg digunakan utk melihat
seberapa besar sumbangan variabel independent terhadap
naik turunnya variabel dependent.

Kegunaannya:
 Utk ukuran ketepatan garis regresi dari hasil estimasi thd
sekelompok data hasil observasi.
 Utk mengukur proporsi dr jumlah variasi yg diterangkan
oleh model regresi.

Nilai R² berkisar antara 0 – 1 ( 0 < R² < 1)

JKG
Rumusnya : r² = 1 – ------------
(n -1 ) Sy²

JKG = ( n – 1)( Sy² - b² Sx²)

Materi Statistika Oleh Suminah 2021

 Koefisien Korelasi (r)
Ukuran yg digunakan utk menentukan tingkat keeratan hubungan
linier antara 2 variabel.

Koefisien korelasi mempunyai sifat sbb:

 Merupakan besaran yg tdk mempunyai satuan
 Nilai r akan terletak anatar -1 dan 1
 Tanda koefisien korelasi menunjukkan arah hubungan.
Positif 0 dan 1 dan negatif terletak antara 0 dan -1
 Koefisien korelasi hanya mencerminkan keeratan hubungan
linier dari 2 variabel yg terlibat.
 Bersifat simetris, rxy = ryx = r
 Variabel yg terlibat tidak harus variabel dependent dan
independent.

Koefisien korelasi dapat dihitung dgn:

 Least Squares (r)
n Σxy – (Σx)(Σy)
r = -------------------------------------
( n Σx² - (Σx)²) (n Σy² - (Σy)²

 Pearson /Product Moment (rxy)

Asumsi yg mendasari:
1. distribusi variabelnya normal
2. 2 variabel yg dihubungkan bersifat kontinum (min interval)
3. Hubungannya bersifat rektalinier (membentuk garis lurus)

Σxy
rxy = -------------------
(Σx²) (Σy²)

r N 2
t
1 r2

Materi Statistika Oleh Suminah 2021

  Rank Spearman
Asumsinya:
1. skala datanya minimal ordinal objek yg diteliti diberi
jenjang.
2. untuk mengetahui derajat keeratan 2 variabel yg
memiliki ordo
3. If pd perhitungan korelasi pearson data observasinya
yg dikorelasikan, kalau korelasi spearman adl data
perngkatnya kemudian dihitung nilai dinya yaitu
selisih rangking x dg rangking y utk setiap subyek
kemudian dinya dikuadratkan .

6 Σdi²
rs = 1 - ------------
N³ - N

N 2
t  rs
1  rs
2

Kriteria Koefisien Korelasi

0 Tidak ada hubungan
0,10 – 0,50 Korelasi lemah
0,51 – 0,80 Korelasi sedang
0,81 – 0,99 Korelasi kuat
1,00 Korelasi sempurna

0,70 – 1,00 Derajat hubungannya tinggi

0,40 - 0,70 Derajat hubungannya substansial
0,20 - 0,40 Derajat hubungannya rendah
< 0,20 Diabaikan

Materi Statistika Oleh Suminah 2021