BAB I

PENDAHULUAN

1.1 Latar Belakang

Analisis korelasi berasal dari kata correlation analisys, digunakan untuk mengetahui
arah hubungan, kuat hubungan, dan signifikansi kuatnya hubungan antara dua variabel
atau lebih. Dua variabel dikatakan berkorelasi apabila perubahan pada salah satu
variabel disertai dengan perubahan pada variabel lainnya secara linier, baik dalam arah
yang sama ataupun arah yang sebaliknya. Kuatnya hubungan antara variabel dinyatakan
dengan ukuran statistik yang dinamakan koefisien korelasi. Jenis koefisien korelasi
yang digunakan untuk mengukur kuatnya hubungan antara dua variabel, antara lain
bergantung pada bergantung pada skala ukur variabel.

1. Apabila kedua variabel berskala numerik maka dapat digunakan koefisien korelasi
pearson, spearman, atau kendall's tau-b.

2. Apabila kedua variabel berskala katagorik ordinal maka dapat digunakan koefisien
korelasi gamma, somers'd, kendalls tau-b, atau kendalls tau-c.

3. Apabila kedua variabel berskala katagorik nominal maka dapat digunakan koefisien
korelasi contingency coefficient, phi and cramer's V, lambda, atau uncertainty
coefficient.

4. Apabila salah satu variabel berskala nominal dan variabel yang lain berskala interval
maka dapat digunakan koefisien korelasi.

Regresi harus ada variabel yang ditentukan dan variabel yang menentukan atau dengan
kata lain, adanya ketergantungan antara variabel yang satu dan variabel lainnya. Kedua
variabel dalam regresi biasanya bersifat kausal atau sebab akibat yaitu saling
berpengaruh. Dengan demikian, regresi merupakan bentuk fungsi tertentu antara
variabel terikat y dan variabel bebas x atau dapat dinyatakan bahwa regresi adalah
 sebagai suatu fungsi y - f(x). Bentuk regresi tergantung pada fungsi atau persamaan
yang dimilikinya.

Analisis regresi bertujuan untuk menjelaskan atau memodelkan hubungan antar

variabel. Di mana terdapat variabel y sebagai variabel respons, output, tak bebas, atau
variabel yang dijelaskan, dan variabel x sebagai variabel prediktor, masukan, bebas,
atau variabel penjelas. Apabila dalam analisis korelasi dicari arah dan kuatnya
hubungan antarvariabel, maka analisis regresi merupakan analisis lanjutan yang
digunakan untuk memprediksikan seberapa jauh perubahan nilai suatu variabel apabila
dilakukan manipulasi (dinaikturunkan) pada nilai variabel lain. Sehingga, analisis
regresi dapat membantu dalam pembuatan keputusan apakah naik turunnya suatu
variabel dapat dilakukan dengan peningkatan atau penurunan variabel lain. Misalnya,
naiknya jumlah penjualan (y) dapat dilakukan dengan menaikkan jumlah
iklan (x) atau tidak.

Berikut beberapa contoh penggunaan regresi dan korelasi:

1. Kepadatan penduduk dengan upah harian.

2. Berat induk sapi dengan berat anakan yang dilahirkan.

3. Umur dengan berat badan balita.

4. Biaya promosi dengan jumlah penjualan.

5. Luas daun dengan panjang akar.

1.2 Rumusan Masalah

Tujuan dari penulisan makalah ini diantaranya adalah sebagai berikut.

1. Mengetahui Definisi Korelasi

2. Mengetahui Definisi Regresi

3. Mengetahui Hubungan Sifat Korelasi Dan Regresi

 BAB II

PEMBAHASAN

2.1 Metode Korelasi

Korelasi adalah pengukur hubungan dua variabel atau lebih yang dinyatakan dengan derajat
keeratan atau tingkat hubungan antar variabel-variabel. Mengukur derajat hubungan dengan
metode korelasi yaitu dengan koefisien korelasi r. Rumus yang dipergunakan untuk
menghitung koefisien korelasi (r) adalah sebagai berikut (Rumus ini disebut dengan
Pearson Product Moment) :

Keterangan :

n = banyaknya pasangan data x dan y

Σx = total jumlah dari variabel x

Σy = total jumlah dari variabel y

Σx² = kuadrat dari total jumlah variabel x²

Σy = kuadrat dari total jumlah variabel y

Σxy = hasil perkalian dari total jumlah variabel x dan variabel y

Korelasi rank Spearman pertama kali diperkenalkan pada tahun 1904 oleh seorang
ahli psikologi yang Bernama Charles Spearman. Teori ini dia kemukakan dalam
meletakkan dasar psikonometri sebagai salah satu ilmu kuantitatif. Langkah awal
untuk melakukan perhitungan korelasi Spearman adalah mengurutkan data mulai
dari yang terkecil atau bias juga dari yang terbesar pada variabel dependennya.

Formula untuk menghitung korelasi Spearman:

Korelasi poin biserial pada umumnya merupakan korelasi yang digunakan untuk mengukur
variabel yang berskala interval ataupun rasio. Korelasi ini merupakan kasus khusus dari
korelasi Pearson di mana variabel yang diukur berskala interval/rasio dan variabel lainnya
merupakan variabel yang berskala nominal(dikotomi). Pada korelasi ini ada hal yang harus
diperhatikan dan tidak boleh disepelekan. Data nominal yang digunakan pada korelasi ini
harus benar-benar murni berskala nominal, bukan data yang dihasilkan dari hasil
transformasi dari tipe data lain.

Korelasi Phi adalah salah satu teknik analisa korelasional yang dipergunakan apabila data
yang dikorelasikan adalah data yang benar-benardikotomik (terpisah atau dipisahkan secara
tajam); dengan istilah lain: variable yang dikorelasikan itu adalah variabel diskrit murni.

Rumus Korelasi Phi:

2.2 Metode Regresi

Metode regresi adalah metode analisis statistik yang digunakan untuk melihat hubungan
antara dua atau lebih variabel. Hubungan tersebut bersifat fungsional dan disajikan dalam
bentuk matematis. Regresi digunakan untuk membuat taksiran mengenai variabel dependen
disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan
hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui
dengan suatu variabel yang nilainya belum diketahui. Dalam menggunakan model regresi
perlu diyakini terlebih dahulu bahwa variabel yang digunakan dalam membangun model
memiliki keterkaitan secara teoritis atau dapat diestimasi sebelumnya. Hal ini dikarenakan
hubungan antar variabel dalam model regresi merupakan hubungan sebab akibat (causal
relationship). Varibel didalam model regresi dibedadan menjadi dua yaitu variabel bebas
(independen variabel) dan variabel terikat (dependen variabel). Variabel bebas adalah
variabel yang nilainya akan mempengaruhi variabel lain, dan Variabel terikat adalah
variabel yang nilainya dipengaruhi oleh variabel lain.

Dalam perkembangannnya regresi linier terbagi dua, yaitu regresi linier sederhana dan
regresi linier berganda. Regresi linier sederhana merupakan pemodelan regresi yang
digunakan untuk menggambarkan hubungan antara variabel bebas dengan variabel terikat.
Betuk umum persamaan regresi linier sederhana adalah sebagai berikut:
Model Regresi linier berganda merupakan pengembangan dari model regresi linier
sederhana. Jika pada model regresi linier sederhana hanya terdiri dari satu variabel bebas
dan satu varuiabel terikat, maka pada pada regresi linier berganda jumlah variabel bebasnya
lebih dari satu dan satu variabel terikat. Dengan bertambahnya variabel variabel bebas
maka bentuk umum dari persamaan regresi linier berganda yang mencakup dua atu lebih
variabel bebas adalah sebagai berikut:

Apabila menggunakan data sampel, maka dapat menggunakan model estimasi dari

Persamaan diatas adalah sebagai berikut:

Berdasarkan persamaan diatas maka bentuk matriks dari model regresi linier berganda

dapat dituliskan sebagai berikut:

Secara teoritis penggunaan analisis regresi linier berganda akan menghasilkan nilai

estimasi parameter yang valid bila terpenuhinya asumsi klasik, Menurut persamaan diatas
Asusmsi klasik untuk regresi adalah sebagai berikut:

1. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan
variabel bebas mempunyai distribusi normal atau tidak, nilai residualnya mempunyai
distribusi normal atau tidak.

2. Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji apakah didalam model regresi ditemukan
adanya korelasi antara variabel bebas.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah dalam model regresi terjadi
ketidaksamaan varian residual satu pengamatan ke pengamatan lain. Jika residual

satu pengamatan ke pengamatan lain tetap, maka disebut homokedasitas dan jika

berbeda disebut heteroskedastisitas.

2.3 Hubungan Sifat Korelasi dan Regresi

Korelasi merupakan hubungan dua variabel X dengan variabel Y, yang kedua variabel
dapat dipertukarkan untuk menjadi variabel X dan variabel Y yang disebut dengan
hubungan timbal balik. Sedangkan jika regresi itu kedua variabel tidak dapat dipertukarkan
yang biasanya disebut dengan hubungan yang searah. Korelasi dan Regresi merupakan dua
hal yang serupa tetapi tidak sama.

Dalam menggunakan model regresi linier disyaratkan data yang digunakan hendaknya
berskala interval atau rasio. Akan tetapi jika skala dalam bentuk ordinal tetap dipaksakan
menggunakan model regresi linier, maka akan diperoleh koefisien korelasi yang kecil dan
tidak memenuhi syarat sebagaimana yang diharapakan dalam model regresi.

Apabila dalam analisis korelasi dicari arah dan kuatnya hubungan antarvariabel, maka
analisis regresi merupakan analisis lanjutan yang digunakan untuk memprediksikan
seberapa jauh perubahan nilai suatu variabel apabila dilakukan manipulasi (dinaikturunkan)
pada nilai variabel lain.
 BAB III

PENUTUP

3.1 Kesimpulan

Metode Korelasi cocok digunakan apabila variabel-variabel yang diteliti rumit dan/atau
tidak bisa diteliti dengan metode eksperimental atau tidak bisa dimanipulasi. Penelitian
korelasional memungkinkan pengukuran beberapa variabel dan saling hubungannya secara
serentak dalam keadaan realistiknya. Sedangkan, Metode Regresi cocok digunakan untuk
melakukan prediksi atau ramalan.

Analisis regresi bertujuan untuk menjelaskan atau memodelkan hubungan antar variabel. Di
mana terdapat variabel y sebagai variabel respons, output, tak bebas, atau variabel yang
dijelaskan, dan variabel x sebagai variabel prediktor, masukan, bebas, atau variabel
penjelas.

Korelasi dan Regresi merupakan dua hal yang serupa tetapi tidak sama.
 Daftar Pustaka

Hadi, S. (2004). Analisis regresi. Penerbit Andi.

Kurniawan, R. (2016). Analisis regresi. Prenada Media.
Mudawamah, M., Sartika, D., & Puspita, O. R. (2020). Variasi Fenotipe, Korelasi dan Regresi
Morfometri Calon Induk Kelinci di Desa Nongko Sewu Kecamatan Tumpang Kabupaten
Malang. Jurnal Ternak : Jurnal Ilmiah Fakultas Peternakan Universitas Islam Lamongan,
11(1), 39. https://doi.org/10.30736/jtk.v11i1.67
Ningsih, S., & Dukalang, H. (2019). Penerapan Metode Suksesif Interval pada Analsis Regresi
Linier Berganda. In Jambura Journal of Mathematics (Vol. 1, Issue 1).
http://ejurnal.ung.ac.id/index.php/jjom,
Roflin, E., & Riana, F. (2022). Analisis Korelasi Dan Regresi. Penerbit NEM.
Unutio, E., Tri Hesti Wahyuni, & Hamdan. (2015). ANALISIS REGRESI DAN KORELASI
ANTARA SELEKSI BOBOT BADAN FASE STARTER TERHADAP PRODUKSI
AYAM RAS PETELUR TIPE MEDIUM (Regression and Correlation Analysis between
Starter Body Weight Selection Against Layer Medium Type Production). In Jurnal
Peternakan Integratif (Vol. 3, Issue 2).