TUTORIAL MODUL 3

KORELASI DAN REGRESI LINIER

A. UJI KORELASI

Uji korelasi dilakukan untuk mengetahui tingkat kekuatan hubungan antara dua variabel melalui ukuran
koefisien korelasi dan tingkat signifikansi.

A1. Koefisien korelasi

Dapat dihitung dengan formula:

atau

Dimana adalah jumlah data dan nilai akan berada di dalam rentang -1 s/d 1. Tingkat kekuatan
hubungan (level of correlation) dan arah antara dua variabel yang diuji tersebut bergantung pada nilai
koefisien korelasi sebagai berikut:

A.
B.
C.
D.
E.

Sumber: https://www.researchgate.net/figure/Range-of-Correlation-Coefficient-Values-and-the-Corresponding-Levels-
of-Correlation_tbl1_305800628

A1. Tingkat signifikansi

Secara statistik, tingkat signifikansi korelasi antar dua variabel dapat ditentukan dengan membandingkan
nilai dan nilai .

√
Pada uji satu sisi (one-way),
Jika nilai > nilai , maka kedua variabel memiliki hubungan linier yang nyata (signifikan).
Sedangkan pada uji dua sisi (two-way) nilai dibagi dengan dua,
Jika nilai > nilai atau < nilai maka kedua variabel memiliki hubungan
linier yang nyata (signifikan).

B. REGRESI LINIER
Pada dasarnya regresi linier menjelaskan hubungan antar dua variabel atau lebih dalam sebuah model
yaitu persamaan linier. Pada regresi linier terdapat satu variabel terikat (dependen) yang dinotasikan
sebagai dan terdapat satu atau lebih variabel bebas (independen) yang dinotasikan sebagai . Pada
aplikasinya, regresi linier digunakan sebagai metode prediksi. Dengan demikian, variabel dapat
diprediksi nilainya dengan diberikan nilai variabel . Jika variabel hanya satu maka disebut regresi linier
sederhana (simple linear regression), sedangkan jika terdapat dua atau lebih variabel disebut dengan
regresi linier berganda (multiple linear regression).

1
Namun pada kenyataannya, garis regresi linier sesungguhnya (true) yaitu tidak diketahui
pasti (deterministik), sehingga kita membuat model perkiraan (estimasi) melalui formula ̂ ,
dimana ̂ adalah nilai prediksi jika diberikan nilai . Ilustrasi untuk garis regresi linier yang sebenarnya
(hipotetik) dan estimasi garis regresi dapat melihat grafik berikut.

Dengan demikian akan sangat mungkin terdapat selisih antara nilai prediksi dengan nilai yang
sebenarnya atau dinamakan dengan error. Tentu saja semakin kecil nilai error ini maka model estimasi
regresi linier akan semakin baik (akurat). Metode Least Square dapat digunakan untuk menentukan nilai
dan dengan formulasi sebagai berikut.
∑ ̅ ̅
∑ ̅
, dan ̅ ̅s

Dengan demikian model regresi linier (estimasi) dapat dibentuk ̂

C. CONTOH KASUS
Seorang manajer pemasaran suatu perusahan ingin memprediksi nilai penjualan berdasarkan pengalaman
kerja karyawan atau tenaga sales-nya. Dalam hal ini, 12 orang karyawan diambil sebagai sampel dengan
diketahui data pengalaman kerja dalam satuan tahun (variabel Year) dan nilai penjualan dalam satuan
ratusan juta rupiah (variabel Sales). Dalam kasus ini, data Year sebagai variabel bebas ( ), sedangkan data
Sales sebagai variabel terikat ( ). Data kedua variabel tersebut dapat dilihat pada Tabel berikut.
Employee Year (x) Sales (y)
1 3 487
2 5 445
3 2 272
4 8 641
5 2 187
6 6 440
7 7 346
8 1 238
9 4 312
10 2 269
11 9 655
12 6 563
Sumber: Groebner et al. (2017)
Untuk menjawab hal ini maka dapat diterapkan uji korelasi dan regresi linier.

2
D. APLIKASI DI EXCEL
D1. Aktivasi menu Data Analysis
Jika menu “Analysis” belum aktif di Excel maka ikuti langkah-langkah berikut:
1. Pada menu “File” pilih “Options”, kemudian pilih “Add-inds dan Solver Add in, dan klik “Go”.

2. Centang “Analysis Toolpak” dan klik “OK”.

3. Perika di menu “Data” dimana di pojok kanan atas terdapat menu “Data Analysis”.

3
D2. Uji korelasi di Excel
Langkah-langkah:
1. Input data di excel menurut format berikut.

2. Ambil menu “Data” dan gunakan “Data Analysis”.

3. Ambil “Correlation”.

4. Blok data Year (x) dan Sales (y) termasuk judul di kotak “Input Range”. Centang “Labels in first
row”. Untuk kotak output, klik ruang kosong untuk menempatkan output nantinya. Klik OK untuk
mendapatkan hasilnya.

4
 5. Output:

Nilai koefisien korelasi adalah 0,83 yang menunjukkan hubungan (korelasi) antara variabel
“Year” dan “Sales” adalah sangat kuat dan positif.

D3. Regresi Linier di Excel

Langkah-langkah:
1. Dengan data yang sama, ambil menu “Data” dan klik “Data Analysis”

2. Pilih “Regression”.

5
3. Blok data Year untuk kotak Input X Range dan Sales ke kotak Input Y range. Untuk Output
Range, klik salah satu cell kosong yang nantinya tempat output ditampilkan.

4. Output:

Beberapa output penting yang dihasilkan yaitu:

a. Nilai koefisien korelasi (Multiple R) sebesar 0,833
b. Nilai R Square sebesar 0,693 yang berarti 69,3% variabel Sales bisa dijelaskan oleh variabel
Year, sedangkan sisanya 30,7% dipengaruhi oleh faktor (variabel) lain.
c. Nilai significance F sebesar 0,001 yang lebih kecil dari nilai alfa 0,05 menunjukkan model
regresi yang diperoleh adalah nyata atau signifikan secara statistik.
d. Nilai koefisien intercept adalah 175,829 dan nilai koefisien kemiringan atau slope
adalah 49,910 dimana keduanya adalah nyata atau signifikan karena keduanya memiliki nilai p-
value lebih kecil dari nilai alfa 0,05.
e. Dengan demikian model regresi linier –nya adalah ̂ .

6
Selanjutnya model regresi linier bisa dibuat secara grafis dengan langkah-langkah sebagai berikut:
1. Blok data Year dan Sales termasuk judul kolomnya seperti berikut:

2. Pilih menu Insert dan ambil Scatter (diagram tebar). Kemudian pilih Scatter yang tipe simple.

Sehingga diperoleh grafik seperti berikut:

7
3. Untuk menampilkan garis regresi linier, klik titik data, klik kanan, dan pilih Add Trendline.

4. Pada trend/ regression, pilih “Linier” dan centang “Display Equation on chart” dan Display R-
squared value on chart”. Lalu klik Close untuk menampilkan hasilnya.

8
5. Output:

Edit secara manual untuk persamaan regresi liner tersebut.

6. Menu Insert, lalu Text Box bisa digunakan untuk menambahkan caption garis x, garis y, dan
keterangan “Oleh: Nama (BP)” seperti berikut

Hasil:

9
E. APLIKASI DI MINITAB
E1. Uji korelasi di Minitab
Langkah-langkah:
1. Copy data dari excel ke aplikasi Minitab seperti berikut.

2. Ubah nama Worksheet dengan cara pada menu File, ambil Save Current worksheet,

dan lalu simpan dengan Nama dan BP saudara seperti berikut.

10
 Hasil:

3. Untuk menguji korelasi, pada menu Stat, pilih Basic Statistics dan ambil Correlation.

4. Masukkan variabel years dan sales ke dalam kotak Variables. Klik OK untuk mendapatkan
hasilnya.

11
 5. Output:

Diperolah nilai koefisien korelasi dengan metode Pearson yaitu 0,833 dengan nilai p-value lebih
kecil dari nilai alfa 0,05 yang menunjukkan korelasi kedua variabel adalah nyata (signifikan).

E2. Regresi linier di Minitab

Langkah-langkah:
1. Dengan data yang sama, pada menu Stat pilih Regression dan Fit Regression Model. Pada Minitab
versi 16 cukup ambil Regression saja.

2. Tempatkan variabel years ke kotak Responses dan variabel sales ke kotak predictors. Pada
Minitab versi 17 terdapat kotak Predictors sudah memisahkan variabel yang memiliki data kontinu
(interval, rasio) dan data kategori (ordinal). Klik OK untuk mendapatkan hasilnya.

12
3. Output:

Diperoleh beberapa hasil penting sebagai berikut:

a. Nilai significance F sebesar 0,001 yang lebih kecil dari nilai alfa 0,05 menunjukkan model
regresi yang diperoleh adalah nyata atau signifikan secara statistik.
b. Nilai R Square sebesar 0,6931 yang berarti 69,31% variabel Sales bisa dijelaskan oleh variabel
Year, sedangkan sisanya 30,69% dipengaruhi oleh faktor (variabel) lain.
c. Nilai koefisien intercept adalah 175,829 dan nilai koefisien kemiringan atau slope
adalah 49,910 dimana keduanya adalah nyata atau signifikan karena keduanya memiliki nilai p-
value lebih kecil dari nilai alfa 0,05.
d. Dengan demikian model regresi linier –nya adalah ̂ .

13