Yanti Sofi Makiyah, S. Pd., M. Pd.

/Statistika Dasar

Regresi Linier dan Korelasi Linier

Regresi Linier
Jika kita memiliki data yang terdiri atas dua atau lebih variabel maka untuk
mempelajari cara bagaimana variabel-variabel itu berhubungan. Hubungan antara
variabel-variabel tersebut umumnya dinyatakan dalam bentuk persamaan matematik
yang menyatakan hubungan fungsional antara variabel-variabel. Analisis tersebut biasa
disebut dengan analisis regresi.
Regresi mengukur seberapa besar suatu variabel mempengaruhi variabel yang
lain sehingga dapat digunakan untuk memprediksi nilai suatu variabel berdasarkan
variabel lain. Persamaan yang digunakan untuk melihat hubungan antar variabel
adalah regresi linier, regresi linier berganda dan regresi non linier. Pada modul ini hanya
akan dibahas tentang regresi linier saja.
Bentuk persamaan regresi yang dicari yaitu:
̂
dengan
(∑ )(∑ ) (∑ )(∑ )
∑ (∑ )
dan
(∑ ) (∑ )(∑ )
∑ (∑ )
Untuk mempermudah maka hitung terlebih dahulu koefisien b kemudia untuk mencari
koefisien a dapat menggunakan rumus berikut:
̅ ̅
dengan ̅ dan ̅ merupakan rata-rata variabel-variabel X dan Y.
Langkah-langkah analisis regresi linier dengan contohnya yaitu:
1. Menentukan persamaan regresi linier antara dua variabel.
Seorang peneliti ingin menentukan persamaan regresi linier sederhana dari skor
matematika (X) dengan skor fisika (Y) untuk lima mahasiswa berikut.
Siswa X Y XY
1 80 90 6400 8100 7200
2 60 80 3600 6400 4800
3 70 70 4900 4900 4900
4 50 60 2500 3600 3000
5 60 50 3600 2500 3000
Jumlah 320 350 21000 25500 22900
Rata-rata 64 70
 Yanti Sofi Makiyah, S. Pd., M. Pd./Statistika Dasar

( ) ( )( )
( ) ( )
( )
Maka persamaan regresi liniernya yaitu: ̂
2. Melakukan uji linieritas regresi sebagai berikut:
a. Menentukan jumlah kuadrat regresi a (JKa)
(∑ )

b. Menentukan jumlah kuadrat regresi b terhadap a (JKba)

(∑ )(∑ )
*∑ +

( )( )
* +

c. Menentukan jumlah kuadrat residu (JKr)

d. Menentukan jumlah kuadrat kekeliruan (JKkk)

(∑ )
∑ (∑ )

Buatlah tabel bantuan seperti berikut:

X Y n
50 60 1
60 50
2
60 80
70 70 1
80 90 1

( )
( ) ( ) ( ) ( )

e. Menentukan derajat kebebasan kekeliruan (dbKK)

dengan k merupakan banyak kelas dari X yang sama
f. Menentukan jumlah kuadrat ketidakcocokkan (JKTC)

g. Menentukan derajat kebebasan ketidakcocokkan (dbTC)

 Yanti Sofi Makiyah, S. Pd., M. Pd./Statistika Dasar

h. Menentukan Rerata Kuadrat Kekeliruan (RKKK)

i. Menentukan Rerata Kuadrat Ketidakcocokkan (RKTC)

j. Menentukan F Ketidakcocokkan (FTC)

3. Memeriksa linieritas regresi

( ⁄ ) ( ⁄ )

Kriteria pengujian:
Jika maka regresi linier sedangkan jika maka regresi tidak
linier.
Berdasarkan hasil analisis di atas karena maka pada taraf kepercaryaan
99% dapat disimpulkan regresinya linier.

Korelasi Linier
Korelasi mempelajari tingkat hubungan antara variabel-variabel secara
kuantitatif. Berdasarkan analisis korelasi dapat diketahui arah hubungan yang terjadi
dalam dua variabel tersebut. Jika kolerasinya bernilai positif maka hubungannya
berbanding lurus dan jika korelasinya bernilai negatif maka berbanding terbalik.

Analisis Korelasi Berdasarkan Jenis Data

Statistika Non Parametrik Statistika Parametrik

Nominal Ordinal Interval atau Rasio

Koefisien Spearman Kendal Product Korelasi Korelasi

Kontingensi Rank Tau Moment Ganda Parsial
Pearson
 Yanti Sofi Makiyah, S. Pd., M. Pd./Statistika Dasar

Pada modul ini yang akan dipelajari yaitu korelasi dengan Product Moment Pearson.
Untuk menentukan koefisien korelasi r Product Moment Pearson berdasarkan
sekumpulan data (Xi dan Yi) maka dapat menggunakan rumus berikut:

∑ (∑ )(∑ )

√{ ∑ (∑ ) }{ ∑ (∑ ) }

dengan kategori koefisien korelasi sebagai berikut:

Korelasi Positif
korelasi positif sempurna
korelasi tinggi sekali
korelasi tinggi
korelasi sedang
korelasi rendah
korelasi rendah sekali
tidak terdapat hubungan linier antara variabel-variabel X dan Y

Korelasi Negatif
korelasi negatif sempurna
korelasi negatif tinggi sekali
korelasi negatif tinggi
korelasi negatif sedang
korelasi negatif rendah
korelasi negatif rendah sekali

Selanjutnya akan dibahas tentang Koefisien Determinasi (KD). Perhitungan ini

digunakan untuk mengetahui kontribusi variabel X terhadap variabel Y. Persamaan
untuk menghitung KD sebagai berikut:

dengan r adalah koefisien korelasi.

Korelasi Product Moment Pearson dapat diterapkan jika beberapa persyaratan berikut ini
terpenuhi:
1. Data variabel yang dikorelasikan berjenis data kontinu (interval) atau rasio.
2. Sampel yang diteliti harus homogen.
3. Bentuk hubungannya merupakan regresi linier.
 Yanti Sofi Makiyah, S. Pd., M. Pd./Statistika Dasar

Adapun langkah-langkah untuk menghitung korelasi linier antara dua variabel

sebagai berikut:
1. Merumuskan hipotesis
Ho : Tidak ada korelasi positif yang signfikan antara variabel X dan Y.
Hi : Terdapat korelasi positif yang signfikan antara variabel X dan Y.
2. Menentukan persamaan regresi kedua variabel.
3. Melakukan uji linieritas regresinya.
4. Jika regresinya linier maka menghitung nilai koefisien korelasi r Product Moment
Pearson.
5. Melakukan uji hipotesis berdasarkan nilai r untuk sampel. Kriteria pengujian:
Jika maka Ho ditolak.
Jika maka Ho diterima.

( )( ) pada tabel baku r Product Moment dengan derajat kebebasan (db)

dengan N adalah jumlah sampel dan nr adalah banyak variabel yang dikorelasikan.
6. Jika pada langkah 3 diketahui regresinya tidak linier maka dilakukan uji korelasi
dengan statistik nonparametrik.

Contoh:
Diketahui data banyak pengunjung (X) dan yang berbelanja (Y) di sebuah toko selama
30 hari yang ada di halaman 316 buku metoda statistika Prof. Sudjana telah dihitung
persamaan linier X atas Y (halaman 320) sehingga diperoleh persamaan:
̂
̂
Selanjutnya dilakukan uji kelinieran regresi (halaman 334) diperoleh hasil bahwa
regresinya linier sehingga dapat dilakukan uji korelasi linier menggunakan persamaan
Product Moment Pearson. Berdasarkan perhitungan yang ada di halaman 370 maka
diperoleh nilai r yaitu 0,8758 atau . Dari hasil tersebut maka dapat
disimpulkan bahwa korelasi positif tinggi sekali antara banyak pengunjung (X) dan yang
berbelanja (Y). Ini berarti hubungannya berbanding lurus antara variabel X dan Y.
Untuk KD diperoleh 76,7%. Jadi, variabel X berkontribusi terhadap variabel Y sebesar
76,7%. Langkah selanjutnya yaitu menentukan .
( )( ) ( )( ) ( )( )
 Yanti Sofi Makiyah, S. Pd., M. Pd./Statistika Dasar

karena maka Ho ditolak maka dapat disimpulkan pada taraf kepercayaan

95% terdapat korelasi positif yang signfikan antara variabel X dan Y.