Tujuan Perkuliahan
Mampu mengetahui,
Mampu mengetahui menghitung dan
dan menghitung Mampu mengetahui apa menginterpretasikan
koefisien korelasi itu regresi dan koefisien determinasi
dalam teknik-teknik menentukan persamaan dalam teknik-teknik
analisis regresi linier regresi linier sederhana analisis regresi linier
sederhana. dari data yang diperoleh. sederhana.
1 3 5
2 4
Mampu menginterpretasikan Mampu menginterpretasikan
nilai dari koefisien korelasi. koefisien korelasi.
Pokok Bahasan
1 3
Bahasan:
2
Bahasan:
Analisis korelasi Koefisien Determinasi
Bahasan:
Analisis regresi
Analisis Korelasi merupakan metode statistik yang digunakan
untuk mengukur besarnya hubungan linear antara dua variabel
(Walpole,2012).
• 𝑟𝑥𝑦 didefinisikan sebagai hubungan antara variabel acak x
dan variabel acak y.
• Boleh tidak bersifat kausal (sebab akibat).
• 𝑟 memiliki nilai antara -1 hingga 1
Rumus Koefisien Korelasi
𝒏 σ 𝒙𝒚 − σ 𝒙 σ 𝒚
𝐫𝐱𝐲 =
𝒏 σ 𝒙𝟐 − σ 𝒙 𝟐 𝒏 σ 𝒚𝟐 − σ 𝒚 𝟐
Analisis Regresi merupakan salah satu metode statistik yang dapat
menentukan hubungan sebab-akibat antara satu variabel dengan
variabel yang lain.
02
Menjelaskan pengaruh perubahan yang terjadi pada variabel
independen terhadap variabel dependen.
Menghasilkan model matematik untuk memprediksi nilai
03 variabel dependen berdasarkan nilai dari variabel
independen.
Keterangan:
Variabel Dependen: variabel yang akan diprediksi atau dijelaskan (Y)
Variabel Independent: variabel yang menjadi penyebab (X)
Regresi
Parameternya
Regresi Regresi
Linear Nonlinear
Asumsi Linearitas
Asumsi Normalitas
Syarat analisis
regresi linear
Asumsi Homoskedastisitas
Asumsi Multikoleniaritas
Asumsi Autokorelasi
Regresi Linear Sederhana
*
Hanya terdiri dari satu variabel independen (X)
Konsep:
Analisis regresi linear sederhana mengenai hubungan antara
dua variable yang biasanya cukup tepat dinyatakan dalam suatu
garis lurus.
Tipe-Tipe Hubungan
Hubungan Linier Hubungan Curvilinier
Y Y
Linear positif
X X
Y Y
Linear negatif
X X
(lanjutan)
Y Y
X X
Y Y
X X
Population
𝒏 σ 𝑿𝒀−σ 𝑿 σ 𝒀 Independent Random
𝒃𝟏 = Dependent Population Slope
𝒏 σ 𝑿𝟐 − σ 𝑿 𝟐
Y intercept Coefficient Variable Error term
Variable
σ 𝒀 − 𝒃𝟏 σ 𝑿
𝒃𝟎 =
𝒏 Yi = β0 + β1Xi + ε i
b0 (intercept) adalah nilai estimasi rata – rata dari Y pada
saat X bernilai nol.
b1 (slope) adalah estimasi perubahan rata – rata nilai Y
Linear component Random Error
yang disebabkan oleh perubahan satu unit X. component
Ŷi = b0 + b1Xi
Korelasi Regresi
• Menganalisis tingkat hubungan • Menganalisis besar pengaruh
• Boleh tidak bersifat kausal • Bersifat kausal (sebab akibat)
(sebab akibat) • Harus ada variabel independent
• Tidak harus ada variabel dan variabel dependet
independent dan variabel • Menghasilkan persamaan regresi
dependent
• Menghasilkan koefisien korelasi
Keterbatasan Analisis Korelasi dan Regresi
• Korelasi dan Regresi Linear hanya menggambarkan
hubungan yang linear.
• Korelasi dan metode kuadrat terkecil pada regresi linear
tidak resisten terhadap pencilan.
• Prediksi di luar selang nilai X tidak diperkenankan karena
kurang akurat.
• Hubungan antara dua variabel bisa dipengaruhi oleh
variabel lain di luar model.
Koefisien Determinasi
σ 𝑦ො𝒊 − 𝐲ത 𝟐
2
𝑅 = 𝟐
σ 𝐲𝐢 − 𝐲ത
dimana:
Koefisien determinasi (𝑅2 ) 𝑦ത : nilai rata – rata dari variabel dependen
adalah angka variasi total 𝑦𝑖 : nilai observasi dari variabel dependen
dari variabel dependen yang 𝑦ො𝑖 : nilai prediksi dari Y untuk nilai X yang diberikan
dijelaskan oleh variasi dari
variabel independen untuk
catatan:
0 R 1 2
𝑿 = 𝟒𝟏𝟕𝟑𝟏𝟔 𝒀 = 𝟓𝟑𝟑𝟎𝟒𝟔𝟎𝟏
𝑛 σ 𝑋𝑌 − σ 𝑋 σ 𝑌
Penyelesaian lanjutan 𝑏1 =
𝑛 σ 𝑋2 − σ 𝑋 2
10 496125 − ( 649 7301)
𝑏1 =
10(46274) − 417316
Iklan Profit 𝑏1 = 5.39
XY x^2 Y^2
(X) (Y) σ 𝒀 − 𝒃𝟏 σ 𝑿 54766511 − ( 5.39 646)
31 553 17143 961 305809 𝑏0 = = = 381.95
𝒏 10
38 590 22420 1444 348100
Diperoleh persamaan regresi sebagai berikut:
48 608 29184 2304 369664
= 381.95 + 5.39 𝐼𝑘𝑙𝑎𝑛
𝑃𝑟𝑜𝑓𝑖𝑡
52 682 35464 2704 465124
Artinya:
63 752 47376 3969 565504
𝑏0 = 381.95 adalah jika tidak ada pengeluaran biaya
67 725 48575 4489 525625 iklan (𝑥 = 0) maka profit perusahan sebesar 381.95
75 834 62550 5625 695556 milyar.
84 752 63168 7056 565504 𝑏1 = 5.39 adalah rata-rata profit perusahaan akan
89 845 75205 7921 714025 meningkat sebesar 5.39 milyar untuk setiap
99 960 95040 9801 921600 pengeluaran 1 milyar biaya iklan.
646 7301 496125 46274 5476511 Dari persamaan tersebut berarti semakin besar biaya
𝟐 𝟐 iklan yang dikeluarkan akan semakin besar pula profit
𝑿 = 𝟒𝟏𝟕𝟑𝟏𝟔 𝒀 = 𝟓𝟑𝟑𝟎𝟒𝟔𝟎𝟏 yang diperoleh.
Penyelesaian
Sebelumnya telah dihitung nilai dari koefisien
korelasinya sebesar
Iklan Profit
XY x^2 Y^2 𝒏 σ 𝑿𝒀 − σ 𝑿 σ 𝒀
(X) (Y) 𝐫𝐱𝐲 = = 𝟎. 𝟗𝟓
31 553 17143 961 305809 𝒏 σ 𝑿𝟐 − σ 𝑿 𝟐 𝒏 σ 𝒀𝟐 − σ 𝒀 𝟐