REGRESI & KORELASI LINIER SEDERHANA

1. Pendahuluan

 Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911)

 Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu

peubah takbebas (dependent variable) dari nilai peubah bebas
(independent variable)

 Diagram Pencar = Scatter Diagram

Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah
bebas.

Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal)

Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal)

Nilai peubah takbebas ditentukan oleh nilai peubah bebas

Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas?

Contoh 1:

Umur Vs Tinggi Tanaman (X : Umur, Y : Tinggi)

Biaya Promosi Vs Volume penjualan (X : Biaya Promosi, Y : Vol. penjualan)

 Jenis-jenis Persamaan Regresi : a. Regresi Linier :

- Regresi Linier Sederhana
- Regresi Linier Berganda
b. Regresi Nonlinier
- Regresi Eksponensial
 Regresi Linier
- Bentuk Umum Regresi Linier Sederhana
Y = a + bX
Y : peubah takbebas
X : peubah bebas
a : konstanta
b : kemiringan

- Bentuk Umum Regresi Linier Berganda

Y = a + b1X1 + b2X2 + ...+ bnXn
Y : peubah takbebas a : konstanta
X1 : peubah bebas ke-1 b1 : kemiringan ke-1
X2 : peubah bebas ke-2 b2 : kemiringan ke-2
Xn : peubah bebas ke-n bn : kemiringan ke-n

RegresiKorelasi / thomasyunigunarto / Hal 1 – dari

 Regresi Non Linier
- Bentuk umum Regresi Eksponensial

Y = abx
log Y = log a + (log b) x

2. Regresi Linier Sederhana

 Metode Kuadrat terkecil (least square method): metode paling populer untuk
menetapkan persamaan regresi linier sederhana

- Bentuk Umum Regresi Linier Sederhana :

Y = a + bX

Y : peubah takbebas X : peubah bebas

a : konstanta b : kemiringan

Nilai b dapat positif (+) dapat negartif (-)

b : positif  Y b : negatif  Y
Y = a + bX Y = a - bX

X X

 Penetapan Persamaan Regresi Linier Sederhana

n
⎛ n ⎞⎛ n ⎞
n xi yi  ⎜  xi ⎟⎜  yi ⎟
i 1 ⎝ i 1 ⎠⎝ i 1 ⎠
b n
2
n
n x ⎛⎜  x ⎞⎟
2

i
i 1 ⎝ i 1 i ⎠

a
 y n
i 1
b
 x
i i 1
n
i
a  y  bx sehingga
n n
n : banyak pasangan data
yi : nilai peubah takbebas Y ke-i
xi : nilai peubah bebas X ke-i

Contoh 2 :
RegresiKorelasi / thomasyunigunarto / Hal 2 – dari
Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak
Goreng.

x y
Tahun Biaya Promosi Volume Penjualan xy x² y²
(Juta Rupiah) (Ratusan Juta Liter)
1992 2 5 10 4 25
1993 4 6 24 16 36
1994 5 8 40 25 64
1995 7 10 70 49 100
1996 8 11 88 64 121
 x = 26 y = 40 xy = 232 x² =158 y² = 346

bentuk umum persaman regresi linier sederhana : Y = a + b X

n=5
n
⎛ n ⎞⎛ n ⎞
n xi yi  ⎜  xi ⎟⎜  yi ⎟
i 1 ⎝ i 1 ⎠⎝ i 1 ⎠ (5  232)  (26  40) 1160  1040 120
b b  (5 158)  (262  790 114  1.0526 = 1.053
676 
n n 2
⎛ ⎞ )
n x  ⎜  x ⎟
2

i
i 1 ⎝ i 1 i ⎠

y n i x n i
i 1 i 1
a b
40n ⎛ n 26⎞
a  1.05263...  8  1.05263...5.2  8  5.4736... 2.5263. .= 2.530
⎜ ⎟
5 ⎝ 5 ⎠

Y=a+bX  Y = 2.530 + 1.053 X

 Peramalan dengan Persamaan Regresi

Contoh 3 :

Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam
Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut
Y = 2.530 + 1.053 X

Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ?

Jawab : Y = 2.530 + 1.053 X

X = 10

Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)

Volume penjualan = 13.06 x 100 000 000 liter
3. Korelasi Linier Sederhana

RegresiKorelasi / thomasyunigunarto / Hal 3 – dari

 Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y
Nilai r berkisar antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)

Jika nilai r mendekati +1 atau r mendekati -1 maka

X dan Y memiliki korelasi linier yang tinggi

Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna

Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier

(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi eksponensial)

 Koefisien Determinasi Sampel = R = r²

Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai
peubah X melalui hubungan linier.

Penetapan & Interpretasi Koefisien Korelasi dan Koefisien Determinasi

n
⎛ n ⎞⎛ n ⎞
n xi yi  ⎜  xi ⎟⎜  yi ⎟
i1 ⎝ ⎠⎝ i1 ⎠
r i1
⎡ n ⎛ n ⎞2 ⎤⎡ n ⎛ n ⎞2 ⎤

⎢nx i ⎜ xi ⎟ ⎥
2
⎢ ny i
⎝ i1 ⎠ ⎥⎦⎢⎣ i1
2
⎜ yi ⎟ ⎥
⎝ i1 ⎠ ⎦⎥
⎢⎣i1

2
Rr
Contoh 4 :

Lihat Contoh 2, setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung koef.
korelasi (r) dan koef determinasi (R).

Gunakan data berikut (lihat Contoh 2)

x = 26 y = 40 xy = 232 x² =158 y² = 346

n
⎛ n ⎞⎛ n ⎞
n xi yi  ⎜  xi ⎟⎜  yi ⎟

r
i1 ⎝ i1 ⎠⎝ i1 ⎠
⎡ n ⎛n 2
⎞ ⎤⎡ n 2 ⎛ n 2
⎤
⎢n x  ⎜⎝  x ⎟ ⎥⎢n yi  ⎜⎝ y ⎞⎟ ⎥
2

⎣⎢ i1 i i1 ⎠ i1 i1 ⎠i ⎥

⎥i ⎦⎢⎣ ⎦

RegresiKorelasi / thomasyunigunarto / Hal 4 – dari

 (5  232)  (26 
40) 1160  1040 120
 
r
5  158  (262 )  (5  346)  (402 )790  676  1730  1600 114  130
120
 14820  120  0.9857...
121.73...

Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan)
berkorelasi linier yang positif dan tinggi

2 2
R  r  0.9857... = 0.97165.. .= 97 %

Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume
penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier.

Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain.

4. Regresi Linier Berganda

 Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X1 dan X2) dan 1
Variabel Tak Bebas (Y).

 Bentuk Umum : Y = a + b1 X1 + b2 X2
Y : peubah takbebas a : konstanta
X1 : peubah bebas ke-1 b1 : kemiringan ke-1
X2 : peubah bebas ke-2 b2 : kemiringan ke-2

 a , b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:

(i)
n a + b1   b2    yi
n n i 1
x1i x2i
i 1 i 1

an
x +b 2
b xx  x y
x n n n

(ii) 1i 1 1i 2 2i 1i 1i i
i1 i1 i1 i1

an x
x +b  x x b 
RegresiKorelasi / thomasyunigunarto / Hal 5 – dari
  x
2
n y n n

(iii) 2i 1 2i 1i 2 2i 2i i
i 1 i 1 i 1 i 1

n : banyak pasangan data yi : nilai peubah takbebas Y ke-i

x1i : nilai peubah bebas X1 ke-i x2i : nilai peubah bebas X2 ke-i
Contoh 4:

RegresiKorelasi / thomasyunigunarto / Hal 6 – dari

Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya
promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam
ratusan ribu rupiah/unit).

x1 x2 y x1 x2 x1y x2y x1² x2² y²

2 3 4 6 8 12 4 9 16
3 4 5 12 15 20 9 16 25
5 6 8 30 40 48 25 36 64
6 8 10 48 60 80 36 64 100
7 9 11 63 77 99 49 81 121
8 10 12 80 96 120 64 100 144

 x=  x=  y=  xx=  xy=  xy=  x 2

= x 2
=
 y= 2
1
1 2 12 2 1 2
31 40 50 239 296 379 187 306 470

Tetapkan Persamaan Regresi Linier Berganda = a + b1 X1 + b2 X2

n=6
 = 31
1  x = 40  y = 50
x
2

 x x =239 1
2 x y
1
=296  x y = 379
2

 x =187 x
2
2

1
2

2
=306  y = 470
Masukkan notasi-notasi ini dalam ketiga persamaan normal,
n n n

(i) n a + b1  x1i  b2  x2i   yi

i 1 i 1 i 1
n n n n
(ii) a x + b  x 2
b  xx xy
1 1 2 2i 1i 1i i
i i1 i1
i1 1i n n
n i1

a +b xx b x  xy
n 2
(iii)
x
2i 1 2i 1i 2 2i 2i i
i 1 i 1 i 1 i 1

Sehingga didapatkan tiga persamaan berikut:

(i) 6a + 31 b1 + 40 b2 = 50
(ii) 31 a + 187 b1 + 239 b2 = 296
(iii) 40 a + 239 b1 + 306 b2 = 379

RegresiKorelasi / thomasyunigunarto / Hal 7 – dari

Lakukan Eliminasi, untuk menghilangkan (a)

(ii) 31 a + 187 b1 + 239 b2 = 296 6

(i) 6a + 31 b1 + 40 b2 = 50  31

(ii) 189 a + 1122 b1 + 1434 b2 = 1776

(i) 189 a + 961 b1 + 1240 b2 = 1550

(iv) 161b1 + 194 b2 = 226

Lalu

(iii) 40 a + 239 b1 + 306 b2 = 379 6

(i) 6a + 31 b1 + 40 b2 = 50  40

(iii) 240 a + 1434 b1 + 1836 b2 = 2274

(i) 240 a + 1240 b1 + 1600 b2 = 2000

(v) 194 b1 + 236 b2 = 274

Selanjutnya, eliminasi (b1) dan dapatkan nilai (b2)

(v) 194 b1 + 236 b2 = 274  161

(iv) 161 b1 + 194 b2 = 226  194

(v) 31234 b1 + 37996 b2 = 44114

(iv) 31234 b1 + 37636 b2 = 43844

360 b2 = 270
b2 = 0.75

Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga:

(v) 194 b1 + 236 b2 = 274

Perhatikan b2 = 0.75
194 b1 + 236 (0.75) = 274
194 b1 + 177 = 274
194 b1 = 97
b1 = 0.50

(i) 6a + 31 b1 + 40 b2 = 50

Perhatikan b1 = 0.50 dan b2 = 0.75

6a + 31(0.50) + 40 (0.75) = 50
6a + 15.5 + 30 = 50
6a = 4.5
a = 0.75

RegresiKorelasi / thomasyunigunarto / Hal 8 – dari

Sehingga Persamaan Regresi Berganda

a + b1 X1 + b2 X2 dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75 X2

5. Korelasi Linier berganda

 Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai berikut
2
Ry.12
 Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau

ry.12 = Ry.12
2

 Rumus
2 JKG
R y .1 1 ( n 1) s2

y
2

JKG : Jumlah Kuadrat Galat

sy² : Jumlah Kuadrat y (terkoreksi)

di mana

 y 
2
n y 
2

2
sy 
n(n  1)

JKG
  y  a y   x y   xy
2
b 1b 1 2 2

Contoh 5:

Jika diketahui (dari Contoh 4)

n=6
 x = 311
 x = 40 2
 y = 50
 x x =239
1
2  x y =2961
 x y = 379
2

 x =187 x
2
2

1
2
2
=306  y = 470

RegresiKorelasi / thomasyunigunarto / Hal 9 – dari

Maka tetapkan 2
Ry.12 dan jelaskan artinya nilai tersebut!

RegresiKorelasi / thomasyunigunarto / Hal 10 – dari

  y 
2
n y 
2
320
y2 = 6(470)  (50) 2820  2500   10.667
s  n(n  1) 2
 30 30
6(6  5)

JKG   y 2  a y  b  x yb  = 470 - 0.75(50) - 0.5 (296) - 0.75 (379)

1 1 2
x y = 470 - 37.5 - 148 - 284.25
= 0.25

2 JKG 0.25 0.25

R y .1
1 1 1
(n y
5 53.333
2 
10.667

= 1 - 0.0046875

= 0.9953125

= 99.53%

Nilai 2
Ry.12 = 99.53% menunjukkan bahwa 99.53% proporsi keragaman nilai peubah Y
(volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan X2 (biaya
aksesoris) melalui hubungan linier.

Sisanya sebesar 0.47% dijelaskan oleh hal-hal lain.

 Selesai 

RegresiKorelasi / thomasyunigunarto / Hal 11 – dari