ANALISIS KORELASI & REGRESI LINIER SEDERHANA

OUTLINE:
C. Analisis Regresi Linier Sederhana
A. Gambaran Umum Variabel

B. Analisis Korelasi
A. GAMBARAN UMUM VARIABEL
 Pengertian Variabel

Contoh:

Menurut Kerlinger # Tinggi Badan;

Variabel → Atribut # Berat Badan;
(1986): Variabel →
Seseorang/ Objek # Sikap;
Suatu sifat yang
Yang Mempunyai # Motivasi;
diambil dari suatu
Variasi Anatara Satu # Kepemimpinan;
nilai yang berbeda
Objek Dengan # Disiplin Kerja;
→ suatu yang
Objek Lain. # Pendapatan;
bervariasi
# Pengeluaran;
# Produktivitas Kerja
 Variabel Penelitian
• Variabel Bebas
VARIABEL INDEPENDEN
• Variabel yang mempengaruhi/ menjadi sebab perubahannya/ timbulnya variabel
(X)
dependen

• Variabel terikat
VARIABEL DEPENDEN (Y) • Variabel yang dipengaruhi/ yang menjadi akibat karena adanya variabel bebas

• Variabel yang mempengaruhi hubungan antara variabel independent dan dependen

VARIABEL MODERASI • Variabel ini dapat memperkuat/ memperlemah hubungan
(M)

• Variabel yang secara teoritis mempengaruhi hubungan antara variabel independent dan
VARIABEL INTERVENING dependen, tetapi tidak dapat tidak dapat diamati/ terukur
(Z)
• Variabel penyela/ antara, yang terletak diantara variabel indenpen dan dependen

• Variabel yang dikendalikan/ dibuat konstan, sehingga hubungan anatara variabel

VARIABEL KONTROL independent terhadap dependen tidak dipengaruhi oleh faktor luar yang diteliti
 Istilah Dan Notasi Variabel Dalam Regresi
X Y
Varaibel bebas (Independent Varaibel tergantung
01 Variable) 01 (Dependent Variable)
01
Variabel yang menjelaskan Variabel yang dijelaskan
02 (Explanatory Variable) 02 (Explained Variable)

Variabel peramal (Predictor) Variabel yang diramalkan

03 03 (Predictand)

Variabel yang meregresi Variabel yang diregresi

04 (Regressor) 04 (Regressand)

Variabel perangsang atau kendali Variabel Tanggapan

05 (Stimulus or control variable) 05 (Response)
B. ANALISIS KORELASI
Apa itu Korelasi ?

KORELASI → adalah hubungan Keeratan

secara linier antara 2 peubah/ variabel,
X dengan Y.

Hubungan X dan Y dapat divisualisasikan

dengan Scatter Plot (diagram pencar/
diagram sebar)

Contoh: Biaya dengan Penjualan;

Pendapatan dengan Pengeluaran; Omset
dengan Laba; Biaya iklan dengan
Penjualan
Korelasi sederhana → pengukuran hubungan antara 2 Variabel/
Peubah

Mengetahui ada atau tidak adanya hubungan antar variabel.

Besaran/ Angka koefisien Korelasi menunjukkan kekuatan

hubungan

Pada analisis korelasi tidak dibedakan antara variabel dependen

dan independen

Jika terdapat hubungan, maka perubahan yang terjadi pada salah

satu variabel akan mengakibatkan perubahan pada variabel lainnya
 1
• Digunakan untuk mengukur derajat hubungan diantara 2 variabel

2
• Dalam praktek, analisis korelasi dapat dilakukan apabila:
• Akan membentuk model
• Setelah model terbentuk

3
• Nilai Koefisien korelasi (r) yaitu -1 ≤ r ≤ 1.
 Negatif Tidak ada Positif
• Nilai berkisar anatara -1 dan 1 Hubungan
Kuat
Arah • Tanda (+) / (-) → arah hubungan
Kuat

• (+) searah
Hubungan • (-) berlawanan arah
-1 0 1

• Menggunakan Koefisien Korelasi

Kekuatan • Korelasi Product Moment
Hubungan (Korelasi Pearson) → r

Menurut Dr. M. Syahirman Yusi (2020: 137).

0,80 – 1,00 0,60 – 0,799 0,40 – 0,599 0,20 – 0,399 0,00 – 0,199
Korelasi Sangat Korelasi Tinggi Korelasi Sedang Korelasi rendah Korelasi sangat
Tinggi rendah
1. Korelasi Positif (Searah)

X Semakin besar maka Y semakin

besar

3. Korelasi Nol (Terlihat tidak

ada hubungan/ tidak ada pola
2. Korelasi Negatif
linier/ acak)
(Berlawanan Arah)
X Semakin besar, Y ada yang besara
X Semakin besar tapi Y semakin
ada juga yang kecil.
kecil
Jadi Y tidak dipengaruhi oleh X secara
linier. Bukan berarti tidak memiliki
hubungan, namun bisa saja
hubungannya tidak linier, bisa
kuadratik/ eksponensial
 1. Koefisien Korelasi Pearson (Product Moment Correlation)
Digunakan untuk mengukur keeratan hubungan antara 2 variabel yang datanya berbentuk interval/ rasio

2. Koefisien Korelasi Rank Spearman

Digunakan untuk mengukur keeratan hubungan antara dua variabel yang datanya berbentuk data ordinal
(bertingkat)

3. Koefisien Korelasi Rank Kendall

Pengembangan dari korelasi spearman, yang digunakan pada pasangan variabel X dan Y dalam hal
ketidaksesuaian rank, untuk mengukur ketidakteraturan

4. Koefisien Korelasi Kontigensi (Bersyarat)

Digunakan untuk data kualitatif/ data bersifat nominal. Misalnya berupa kategori: kurang, cukup, sangat
cukup, rendah, sedang, tinggi dan sebagainya
1. Koefisien Korelasi Pearson 3. Koefisien Korelasi Rank Kendall

2. Koefisien Korelasi
2. KoefisienRank Spearman
Korelasi Rank
Spearman 4. Koefisien Korelasi Kontigensi (Bersyarat)
 • Koefisien determinasi menjelaskan besarnya pengaruh
nilai suatu variabel X terhadap naik/ turunnya (variasi)
nilai variabel Y
Pengertian • Koefisien Korelasi yang dikuadaratkan

• R2 = r2 x 100%
• r = koefisien korelasi pearson
Rumus
C. ANALISIS REGRESI LINIER
SEDERHANA
Bagaimana kalau kita, bukan hanya sekedar ingin melihat hubungan
tapi ingin melihat juga HUBUNGAN SEBAB AKIBAT

Kita harus melakukan ANALISIS REGRESI

Analisis regresi yang akan kita lakukan adalah

ANALISIS REGRESI LINIER SEDERHANA

SEDERHANA karena hanya 1 peubah penjelas, yaitu X.

Apabila lebih dari 1 peubah, maka istilahnya Berganda
 Regeresi Linier Sederhana

Regresi berarti ramalan, penduga atau taksiran

Analisis regresi lebih akurat dalam meramalkan atau

memperkirakan nilai variabel terikat pada nilai
variabel bebas

Regresi linier → Analisis untuk mendapatkan pola

hubungan antara 2 variabel, yang sifatnya numerik
 Perbedaan Mendasar Antara Korelasi Dan Regresi ?

KORELASI REGRESI

Korelasi hanya menunjukkan Regresi menunjukkan

01 01 hubungan pengaruh.
sekedar hubungan

Dalam korelasi variabel tidak ada Dalam regresi terdapat

02 02 istilah tergantung dan
istilah tergantung dan variabel
bebas variabel bebas
 Contoh Penerapan Analisis

1. Analisis Regresi antara pendapatan terhadap konsumsi rumah tangga.

2. Analisis Regresi antara harga terhadap penjualan barang.
3. Analisis Regresi antara tingkat upah terhadap tingkat pengangguran.
4. Analisis Regresi antara tingkat suku bunga bank terhadap harga saham
5. Analisis regresi antara biaya periklanan terhadap volume penjualan perusahaan.
Persamaan Regresi

Persamaan Regresi linier Sederhana:

Y = a + bX a=
 Y − b( X )
b=
n( XY ) − ( X )( Y )
n n( X 2 ) − ( X ) 2
Y = Variabel Terikat / Nilai yang diramalkan
a = Konstansta/ intersep
b = Koefesien regresi/ slop
X = Variabel bebas/ Independ
 Seorang manajer pemasaran akan meneliti apakah terdapat
pengaruh iklan terhadap penjualan pada perusahaan-
perusahaan di Kabupaten Kutai , untuk kepentingan
penelitian tersebut diambil 8 perusahaan sejenis yang telah
melakukan promosi. Berikut data hasil pengamatan.

Contoh Soal
a. Tentukan Koefisien korelasi dan determinasi, serta
berilah penjelasan!
b. Tentukan persamaan regresi!
c. Jika Promosinya sebesar 20, berapakah besar
penjualannya?
Analisis Data (1)
a. Koefesien Korelasi (r) dan Determinasi (R2)

1. Koefesien Korelasi (r)

No Y X XY X2 Y2
(8 x 15032) –(192 x 608)
1 64 20 1280 400 4096 = 0.8621
2 61 16 976 256 3721 [(8 x 4902) – (1922)] x [(8 x 47094) – (6082)]

3 84 34 2856 1156 7056

4 70 23 1610 529 4900 Artinya: antara variabel X (Promosi) dan variabel Y (Hasil Penjualan) terdapat
5 88 27 2376 729 7744 korelasi positif yang sangat tinggi, yang artinya bahwa jika biaya promosi naik,
6 92 32 2944 1024 8464
maka hasil penjualan juga akan meningkat
7 72 18 1296 324 5184
2. Koefesien Determinasi (R2)
8 77 22 1694 484 5929

Jlh 608 192 15032 4902 47094

R2 = r2 x 100% R2 = (0.8621)2 x 100% = 74, 32%

n=8 Artinya: 74, 32% hasil penjualan dipengaruhi oleh biaya promosi, sedangkan
25,68% dipengaruhi oleh variabel yang lain.
Analisis Data (1)
b. Persamaan regresi

Y X XY X2 Y2 n( XY ) − ( X )( Y )
b=
64 20 1280 400 4096 n( X 2 ) − ( X ) 2

61 16 976 256 3721

8(15032) − (192)(609)
84 34 2856 1156 7056 b= = 1,497
8(4902) − (192) 2

70 23 1610 529 4900

88 27 2376 729 7744 a=
 Y − b( X )
n
92 32 2944 1024 8464
72 18 1296 324 5184 (608) − 1,497(192)
a= = 40,082
77 22 1694 484 5929 8
608 192 15032 4902 47094 Y= 40,082 + 1,497X
Artinya: Persamaan tersebut dapat diartikan bahwa jika promosi sebesar 1 point,
maka akan meningkatkan penjualan sebesar 41,579
Analisis Data (2)
C. Nilai Prediksi

Dengan menggunakan persamaan regresi, Y= 40,082 + 1,497X

 Maka besarnya penjualan jika promosi sebesar 20 adalah:

40,082 + (1,497*20)= 70,022
1. Setiap kelas dibagi 10 kelompok, dengan anggota 3-4 orang/kelompok
2. Dikerjakan di excel
3. Tuliskan nama kelompok dan NIM di sheet excel
4. File excel dikirim melalui email yulia_ariesmawati@yahoo.co.id dengan
format: no. kelompok_kelas
5. Dikumpulkan paling lambat hari ……… Tgl ……………2022 , paling lambat jam
……. wita
 MENAMPILKAN DATA ANALYSIS :

FILE → OPTION → ADD INS → ANALYSIS TOOL PACK

(KLIK) → MANAGE – Excel add-ins - KLIK “GO” →

CENTANG ANALYSIS TOOLPAK → OK . SELANJUTNYA

CEK DI EXCEL PADA DATA → AKAN MUNCUL DATA

ANALYSIS

28