RESUME

“REGRESI DAN KORELASI LINIER SEDERHANA”

Oleh :
Dewi Maya Sari
178330016

AKUNTANSI A
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MEDAN AREA
2018/2019
A. Analisis Regresi
Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk
persamaan matematik yang menyatakan hubungan fungsional antar variabel-variabel. Regresi
dibagi menjadi 2 yaitu regresi linier sederhana dan regresi linier berganda :

Analisis regresi linier sederhana

Digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan
antara variabel tak bebas dengan variabel bebas tunggal. Regresi linier sederhana hanya
memiliki satu perubahan regresi linier untuk populasi adalah

Persamaan : Y= a + bx

Dengan : Y = Subyek dalam variabel dependen yang diprediksikan

X = Subyek pada variabel independen yang mempunyai nilai tertentu.
a = Parameter intercept
b = Parameter koefisien regresi variabel bebas
dimana :

( )(∑ )
n n n
n ∑ xi y i− ∑ xi yi
i=1 i=1 i =1
b=
∑ (∑ )
n n
2
n x− i xi
i=1 i=1

n n

∑ yi ∑ x1
i=1 i=1
a= −b .
n n

Persamaan model regresi sederhana hanya memungkinkan bila pengaruh yang ada itu
hanya dari independent variabel (variabel bebas) terhadap dependent variabel (variabel
tak bebas). Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi
tinggi, maka harga b juga besar, sebaliknya bila koefisien korelasi negatif maka harga b
juga negatif, dan sebaliknya bila koefisien korelasi positif maka harga b juga positif.
Contoh :
Dikemukakan hubungan kasual yang nyata antara jumlah produksi dengan penjualan.
No X Y
1 10 18
2 10 20
3 11 20
4 12 21
5 13 23
6 13 24
7 15 26
8 16 28

Model regresi yang menggambarkan hubungan kedua variable, untuk memudahkan

No X Y X.Y X
2
Y
2

1 10 18 180 100 324

2 10 20 200 100 400
3 11 20 220 121 400
4 12 21 252 144 441
5 13 23 299 169 529
6 13 24 312 169 576
7 15 26 390 225 676
8 16 28 448 256 784
Jlh 100 180 2.301 1.284 4.130

Dengan menggunakan rumus diatas, maka dapat diperoleh koefisien regresi yaitu :
8 (2.301 ) −( 100 ) (180) 408
b= = =1,5
8 ( 1.284 )−(100)
2
272
Dengan mempergunakan rumus, maka diperoleh konstanta berikut.
180 100
a= −1,5 =3,75
8 8
 Dengan demikian diperoleh model regresi yang memberikan gambaran tentang hubungan
jumlah produksi dengan penjualan, yaitu :
y’ = 3,75 + 1,5x

B. Analisis Korelasi

Analisis korelasi merupakan digunakan untuk mengetahui keeratan hubungan antara

dua variable dan untuk mengetahui arah hubungan yang terjadi. Hubungan dua variable ada
yang mempunyai hubungan positif dan proposional atau hubungan sempurna, ada juga
hubungan negative, proposional sempurna. Akan tetapi ada juga perubahan yang searah, tapi
tidak proporsional.

Peranan korelasi dalam statistik :

1. Sebagai alat pengukur asosiasi linier antara dua variable. Dan jika kedua variable
berhubungan bukan linier, maka koefisien korelasi tidak mampu lagi menjelaskan
hubungan kedua variable tersebut.
2. Koefisien korelasi kurang atau tidak dapat dimanfaatkan jika ukuran sampel relative
kecil sebagai mewakili pengamatan, karena nilai koefisien korelasi yang diperoleh
tersebut tidak stabil. Berarti akurasi penggunaannya kurag dapat dipertanggung
jawabkan, dan tingkat kesalahan standarnya relative besar. Perlu ditambahkan bahwa
jika ukuran sampelnya ≥ 30 tingkat kesalahan semakin kecil dan akan semakin baik
lagi jika ukuran sampelnya ≥ 50.
3. Nilai koefisien korelasi dapat berubah ekstrim, jika harga sampel yang dimasukkan
juga mempunyai nilai ekstrim.

Persamaan koefisien korelasi :

n .∑ xy −(∑ x )(∑ y)
r xy =
√ n . ∑ x −(∑ x) . √n . ∑ y −(∑ y)
2 2 2 2

Contoh : Sambungan soal regresi

8(2.301)−(100)(180)
r xy =
√ 8(1.284)−(100)2 . √ 8( 4.130)−(180)2
408 408
r xy = √272 X √ 640 = 16,49 X 25,29
 r xy = 0,97788
Jadi, koefisien korelasi yaitu 0,97788
 Daftar Pustaka
Suwarsito P, Dedi, Zuni A, Erna. 2017. Analisis Regresi Dan Korelasi Antara Pengunjung Dan
Pembeli Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang Dengan
Metode Kuadrat Terkecil. Innosaindri: 2-3