Regresi & Korelasi

Widya Setiafindari
Analisis Regresi dan Korelasi
• Sebelum pengambilan keputusan diambil
dilakukan peramalan (forecasting)
mengenai kemungkinan yang terjadi di
masa yang akan datang yang berkaitan
dengan keputusan tersebut.
Analisis Regresi
• Analisis regresi mempelajari bentuk
hubungan antara satu atau lebih variabel
independen (X) dengan satu variabel
dependen(Y).
• Variabel independen ( X) biasanya variabel
yang ditentukan oleh peneliti secara bebas
misalnya: dosis obat, lama penyimpanan,
kadar zat pengawet, umur ternak dan
sebagainya.
Analisis Korelasi
• Bertujuan untuk mengukur “seberapa
kuat” atau “derajat kedekatan” suatu relasi
yang terjadi antar variabel.
• Jika analisis regresi ingin mengetahui pola
relasi dalam bentuk persamaan regresi
• Analisis korelasi ingin mengetahui
kekuatan hubungan tersebut dalam
koefisien korelasinya.
• Biasanya analisis regresi dan korelasi
sering dilakukan bersama-sama.
Relasi yang logis
• Penentuan apakah terdapat suatu
hubungan yang logis diantara variabel,
penilaian tidak hanya didasarkan pada
angka-angka statistik saja, perlu
diperhatikan beberapa hal yang berkaitan
dengan masuk akal atau tidaknya
hubungan tersebut ditinjau dari sifat dasar
hubungan tersebut.
Scatter Diagram
Regresi Linier Sederhana
1. Dalam analisis regresi linier sederhana
ditentukan persamaan yang
menghubungkan dua variabel yang dapat
dinyatakan sebagai bentuk persamaan
pangkat satu (persamaan linier).
Analisis Regresi
Model regresi linier:
Sifat-sifat Garis Regresi Linier
Terdapat dua sifat yang harus dipenuhi sebuah
garis lurus untuk dapat menjadi garis regresi
yang cocok (fit) dengan titik-titik data pada
diagram pencar:
1. Jumlah simpangan (deviasi) positif dari titik-
titik yang tersebar di atas garis regresi sama
dengan (saling menghilangkan) jumlah
simpangan negatif dari titik-titik yang
tersebar di bawah di bawah garis regresi .
Sifat-sifat Garis Regresi Linier
2. Kuadrat dari simpangan-simpangan
mencapai nilai minimum (least square
value of deviations). Jadi:

Dengan sifat kedua, metode regresi ini sering

disebut sebagai metode least square.
• Dengan menggunakan kedua sifat di atas
dan menggabungkan dengan prinsip-
prinsip kalkulus diferensial untuk
menentukan nilai ektrim sebuah fungsi,
maka dapat diturunkan hubungan-
hubungan untuk mendapatkan nilai-nilai
konstanta a dan b pada persamaan garis
regresi,
• Yang hasilnya sebagai berikut:
Soal 1
• Dari suatu praktikum fisika dasar, diperoleh data
yang menghubungkan variabel independen x dan
variabel dependen y seperti ditunjukkan dalam
tabel berikut.
Uji ke- x y
1 6 30
2 9 49
3 3 18
4 8 42
5 7 39
6 5 25
7 8 41
8 10 52
S 56 296
Soal 1 (cont.)
Jika berdasarkan kajian teoritis dan sifat
dari fenomena yang menghubungkan x dan
y dapat diasumsikan terdapat suatu
bentuk hubungan yang linier, tentukan
persamaan garis regresinya.
Standard Error Estimasi
• Ukuran yang mengindikasikan derajat variasi
sebaran data di sekitar garis regresi dapat
menunjukkan seberapa besar derajat
keterikatan perkiraan yang diperoleh dengan
menggunakan persamaan regresi tersebut.
• Ukuran tersebut disebut standard error
estimasi (Sy,x).
• (Sy,x) adalah deviasi standar yang menberikan
ukuran penyebaran nilai-nilai yang teramati di
sekitar garis regresi.
Standard Error Estimasi
Soal 2
• Dengan menggunakan data dan tabel
perhitungan sebelumnya (Soal 1), hitung
standard error estimasi dari garis regresi
tersebut.
 Uji ANOVA untuk kemiringan (slope)
Garis Regresi
• Uji ANOVA ini memberikan hasil yang
sama dengan uji t dalam menentukan
apakah ada relasi antara variabel
independen dan variabel depanden dalam
suatu analisis regresi linier sederhana.
• ANOVA memiliki kelebihan dibanding uji t
karena uji ANOVA dapat digunakan dalam
analisis multiple regression.
• Analisis regresi linier sederhana menggunakan
uji ANOVA untuk mengetahui apakah ada
hubungan antara X dan Y (terdapat slope yang
signifikan pada garis regresi, mengikuti
prosedur berikut:
1. Pernyataan Hipotesis Nol dan Hipotesis
alternatif.
H0 : Tidak terdapat relasi antara X dan Y
H1 : Terdapat Relasi antara X dan Y
2. Pemilihan tingkat kepentingan (Level of
Significance),
Biasanya digunakan tingkat kepentingan
0,01 atau 0,05.
3. Penentuan Distribusi Pengujian yang
Digunakan
dalam uji ANOVA gunakan distribusi F.
dengan mengetahui tiga hal sebagai
berikut:
a. Tingkat kepentingan
b. Derajat kebebasan/ degree of freedom
(dfnum) yang digunakan sebagai pembilang
rasio uji dfnum = m, dimana: m = jumlah
variabel independen (m=1)
c. Degree of freedom (dfden) untuk sampel
yang digunakan sebagai penyebut rasio
adalah dfden = (n-m-1), dimana: n= jumlah
observasi (data pasangan)
4. Pendefinisian daerah-daerah penolakan
atau kritis
daerah penerimaan dan penolakan
dibatasi oleh nilai kritis Fcr.
5. Pernyataan aturan keputusan (Decision
Rule)
Tolak H0 dan terima H1 jika RUF > Fcr
Jika tidak demikian, terima H0.
6. Perhitungan rasio uji (RU)
Rumus yang digunakan untuk
menghitung rasio uji (nilai F) adalah:
 • Perhitungan untuk pembilang dan
penyebut sama dengan uji ANOVA
sebelumnya, dengan penyeseuaian pada
nilai-nilai derajat kebebasannya.
7. Pengambilan keputusan secara statistik
▪ Nilai rasio uji berada di daerah
penerimaan maka hipotesis nol
diterima,
▪ Jika berada didaerah penolakan maka
hipotesis nol ditolak.
Soal 3
• Dengan menggunakan data dan tabel
perhitungan Soal 1 lakukan uji kemiringan
(slope) garis regresinya.
Analisis Korelasi Sederhana
• Untuk mengetahui seberapa dekat
hubungan antara varibel diperlukan suatu
ukuran yang menyatakan “kekuatan” relasi
tersebut.
• Ukuran tersebut diperoleh melalui suatu
analisis korelasi.
Variasi Total
• Deviasi total merupakan penyimpangan
nilai sesungguhnya suatu variabel terikat
terhadap nilai rata-ratanya.

Deviasi terjelaskan
(explained deviation)
• Deviasi total
Deviasi tak terjelaskan
(unexplained deviation)
• Deviasi terjelaskan merupakan
penyimpangan nilai variabel terikat
menurut prediksi persamaan regresi
terhadap nilai rata-ratanya.
• Deviasi tak terjelaskan merupakan
penyimpangan nilai variabel sesungguhnya
terhadap nilai variabel menurut prediksi
persamaan regresi.
Variasi Total (total variation)
• Merupakan jumlah dari variasi terjelaskan
(explained variation) dan variasi tak
terjelaskan (unexplained variation) :
Koefisien Determinasi
• Koefisien determinasi (r2) didefinisikan
sebagai perbandingan dari variasi
terjelaskan dengan variasi total:
Koefisien Determinasi
• Dengan menggunakan konstanta-
konstanta dari persamaan regresi, dapat
dinyatakan sebagai:

• Nilai koefisien determinasi berkisar antara

0 (tidak ada korelasi) dan 1 (relasi
sempurna).
Koefisien Korelasi
• Koefisien korelasi (r) mempunyai nilai yang
merupakan akar dari koefisien determinasi
dan mempunyai tanda dengan ketentuan
sebagai berikut:

• Tanda r mengikuti tanda konstanta b

persamaan regresi (r positif jika b positif
dan r negatif b negatif). Dengan demikian r
berkisar antara -1 sampai +1
Soal 4
• Dengan menggunakan data dan tabel
perhitungan pada soal 1 dan persamaan
garis regresi yang dihasilkan , hitung nilai
koefisien determinasi dan koefisien
korelasinya.