DAN KORELASI SEDERHANA
Apa yang disebut Regresi? Korelasi ?
• Analisa regresi dan korelasi sederhana membahas tentang keterkaitan antara
sebuah variabel (variabel terikat/dependen) dengan (sebuah) variabel lain
(variabel bebas/independen). Alat analisa ini digunakan untuk melihat besar,
arah, dan tingkat keeratan variabelvariabel yang diuji.
Hubungan antara dua variabel berkisar pada:
• Pasangan observasi dapat digambarkan dalam rangkaian titiktitik koordinat
yang dinamakan diagram pencar (scatter diagram).
Diagram Pencar = Scatter Diagram
Diagram yang menggambarkan nilainilai observasi peubah takbebas dan
peubah bebas.
Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal)
Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal)
Nilai peubah takbebas ditentukan oleh nilai peubah bebas
Bagaimana menentukan mana peubah takbebas dan peubah bebas?
Contoh :
Umur Vs Tinggi Tanaman (X : Umur, Y : Tinggi)
Biaya Promosi Vs Volume penjualan (X : Biaya Promosi, Y : Vol.
penjualan)
Konsumsi vs Pendapatan
120
100
80
Konsumsi
60
40
20
0
0 50 100 150 200
Pendapatan
• Jenisjenis Persamaan Regresi :
a. Regresi Linier ( parameter ):
Regresi Linier Sederhana = Y = a + bX
Regresi Linier Berganda = Y = a + b1X1 + b2X2 + ...+ bnXn
b. Regresi Nonlinier
– Regresi Eksponensial
Y = abx
log Y = log a + (log b) x
Regresi Sederhana:
A. Garisduga regresi dan koefisien regresi (a dan b)
μ Υ / Χ=ΑΒΧ
• Dimana: μ Υ / Χ= rerata Y untuk X tertentu
Β= slope/condong garis regresi terhadap sumbu X
adalah tingkat perubahan μ Y / X terhadap X; atau
besarnya perubahan rerata Y akibat X berubah satu unit
Α= konstanta/titik perpotongan garis regresi terhadap sumbu X
adalah besar nilai Y jika X=0
• Fungsi regresi populasi
Υi =αβΧ iε i
Parameternya adalah α dan β .
α= perkiraan Y bila X bernilai 0.
β= besar perubahan Y akibat X berubah satu unit.
ε i= random error/error terms/disturbance terms; unsur yang sifatnya
random dan sulit untuk dideteksi terhadap Y (dependen variabel).
y i=abx i e i
Dimana:
kesalahan atau selisih (residual)
2
ei =s y / x
• e i merupakan hasil penjumlahan dari dua komponen: (1) kesalahan
garis yang dianggap paling mencerminkan persamaan garis y i
• Metode penduga yang umum digunakan adalah metode kuadrat terkecil
(Ordinary Least Square = OLS), dengan tiga asumsi y yang harus selalu
diingat:
1. nilai x harus diketahui dan tertentu.
2. untuk tiap nilai X, nilai Y terdistribusi secara normal dan independen
2
dengan rerata μ Υ / Χ=ΑΒΧ dan var ians=σ Υ / Χ . Dimana nilai A, B
2
dan σ Υ
/Χ tidak diketahui
• OLS merupakan suatu metode untuk mendapatkan suatu garis duga yang
sedemikian rupa sehingga tercapai ∑ ei 2 minimum.
b=
n ∑ ΧΥ−∑ Χ ∑ Υ ∑ ΧΥ−n Χ Υ
=
n ∑ Χ 2 − ∑ Χ 2 ∑ Χ 2−n Χ 2
∑ Χ dan Υ=
dimana Χ=
a= y −b Χ ∑Υ , atau
n n
a=
∑ Υ−b ∑ Χ
n
Dari nilai a dan b diatas barulah dibuat persamaan garis duganya y i =abx i
ANOVA
• SST (Sum of Square Total)
2 =∑ Υ −n Υ
SST =∑ Υ i − Υ 2⇒
i
2 keseluruhan variasi Y (dari reratanya)
=∑ y 2
i
• SSR (Sum of Square Regression)
2 =a ∑ Υ b ∑ Χ Υ −n Υ
SSR=∑ Υ i− Υ ⇒
i i i i 2
i
dijelaskan oleh garis regresi =∑ yi 2
• SSE (Sum of Square Error)
2 = Υ −a
SSE =∑ Υ i − Υ i ∑ 2 ∑ Υi −b ∑ Χ i Υi ⇒ variasi Y yang tidak dapat
i
dijelaskan oleh garis regresi =∑ ei 2
B. Kesalahan Duga (Standard Error of Estimate)
2
Se=
∑ Υ− Υ
n−2
standard error)
=
SST −SSR
n−2
=
∑ Υ 2−b ∑ ΧΥ = MSE ;
n−2
MSE(mean of
C. Analisa Korelasi
• Tujuannya untuk mengetahui apakah antara satu variabel dengan variabel
lainnya ada hubungannya atau korelasi. Pengukurannya terbagi menjadi dua:
1. Koefisien determiniasi =r 2
Menunjukkan berapa bagian dari total variasi dalam dependen
variabelnya (Y) yang bisa dijelaskan oleh hubungan antara dependen
variabel (Y) dengan independen variabelnya (X). Nilainya berkisar pada
0≤r 2 ≤1 . Bila nilainya 0, persamaan tidak dapat digunakan, sebaliknya
bila bernilai 1, persamaannya akan sangat baik.
2
exp lained var iation SSR ∑ y −y
r 2= = =
total var iation SST ∑ y−y 2
2. Koefisien korelasi =r
Untuk mengetahui hubungan antara variabel dependen dengan variabel
independen. Karena;
(Digabungkan dengan perhitungan):
xi yi xi yi y2 x 2
Tahun i i
1980 35 104.5 3657.5 1225 10920.25
1981 37.5 104.5 3918.75 1406.25 10920.25
1982 30 106 3180 900 11236
1983 32 105.75 3384 1024 11183.063
1984 35.5 105 3727.5 1260.25 11025
1985 30 105.25 3157.5 900 11077.563
1986 41.5 106.5 4419.75 1722.25 11342.25
1987 48 109.7 5265.6 2304 12034.09
1988 50 110 5500 2500 12100
1989 42 108.4 4552.8 1764 11750.56
1990 45 109 4905 2025 11881
1991 41.5 109.25 4533.875 1722.25 11935.563
1992 53 108.75 5763.75 2809 11826.563
1993 44 108 4752 1936 11664
1994 45.5 110 5005 2070.25 12100
Total 610.5 1610.6 65723.025 25568.25 172996.15
n=15
n ∑ ΧΥ−∑ Χ ∑ Υ 1 5 ×65723 . 0 25 − 6 1 0 . 5×1 6 1 0 . 6
b= 2 2
= =2 . 829
n ∑ Χ − ∑ Χ 1 5 ×1729 9 6 . 1 5 − 1 6 1 0 .6 2
a=
∑ Υ−b ∑ Χ =6 1 0 . 5 − 2 . 829×1 6 1 0 . 6 =−263 . 0 5 9
n 15
Maka persamaan regresinya adalah:
y =−263 . 0592 . 829 X
Interpretasi:
• Bila index harga komoditi dalam negeri 0 maka demand barang impor adalah
–263.059.
• Bila terjadi perubahan index harga komoditi dalam negeri sebesar satu unit,
maka akan terjadi perubahan pada tingkat demand barang impor sebesar
2.829 unit.
2
r =
SSR
2
=
[ n ∑ xy− ∑ x ∑ y ]
SST [ n ∑ x 2 − ∑ x 2 ][ n ∑ y 2 − ∑ y 2 ]
2
2 [ 15×65723. 03 −1610 . 6×610 . 5 ]
r = =0 . 6734
[ 15×172996 .15 −1610 . 6 2 ][ 15×25568 . 25− 610 . 52 ]
r =0 . 82
Interpretasi:
Hanya 67.34% hubungan antara demand barang impor dan index harga komoditi
dalam negeri yang dapat dijelaskan sistem, sedangkan sisanya tidak dapat
dijelaskan akibat pengaruh variabel lain.
2. Berikut ini adalah data bulanan pendapatan per kapita (X) dan besar penjualan produk
(Y) dalam ratusan ribu rupiah. Carilah persamaan regresinya, interpretasikan,
kemudian dugalah parameter Bnya! (gunakan α=5
(Disertai dengan perhitungan)
Bulan Χ Υ Χ2 Υ2 ΧΥ
Jan 4.4 1.7 19.36 2.89 7.48
Feb 5.2 1.3 27.04 1.69 6.76
Mar 6.8 2.1 46.24 4.41 14.28
Apr 4.8 1.4 23.04 1.96 6.72
Mei 4.3 0.7 18.49 0.49 3.01
Jun 5.7 1.8 32.49 3.24 10.26
TOTAL 31.2 9 166.66 14.68 48.51
a=
∑ Υ−b ∑ Χ = 9− 0 . 39×31. 2 =−0 . 528
n 6
Maka persamaan regresinya adalah:
y =−5280039000 X
Interpretasi:
• Bila pendapatan per kapita 0 maka besar penjualan produk adalah –52.800
rupiah.
• Bila terjadi pendapatan per kapita berubah sebesar satu rupiah, maka akan
terjadi perubahan pada penjualan produk sebesar 39000 rupiah.