“ Add your company slogan ”

REGRESI dan
KORELASI

LOGO
 Penelitian
Tujuan

Hubungan Proposisi
Latar Belakang

Korelasi Regresi
 Korelasi
Definisi
Saling hubungan atau
hubungan timbal balik

Hubungan antara dua

variabel atau lebih
 Tujuan diadakannya analisis korelasi

• Untuk mencari bukti terdapat

1 tidaknya hubungan antar variabel

• Untuk melihat besar kecilnya

2 hubungan antar variabel

• Untuk memperoleh kejelasan apakah

hubungan tersebut signifikan atau tdk
3 signifikan
 Koefisien korelasi

Definisi
Sebuah angka yang dapat dijadikan
petunjuk untuk mengetahui seberapa
besar kekuatan korelasi di antara
variabel yang sedang diselidiki

Simbol ρ Atau r
 Regresi

Untuk menelaah hub.antara dua variabel

atau lebih

Untuk menelurusi pola hub.yang model nya

belum diketahui dengan sempurna

Untuk mengetahui bagaimana variasi dari

Beberapa variabel independen mempengaruhi
Variabel dependen
 Regresi Linier Sederhana

Bertujuan untuk mempelajari

hub.linier antara dua variabel
 PENDAHULUAN
 Gagasan perhitungan dikemukakan oleh Sir Francis Galton
(1822-1911)
 Persamaan regresi: persamaan matematik yang
memungkinkan peramalan nilai suatu peubah tak bebas
(dependent variable) dari nilai peubah bebas (independent
variable)
 Diagram pencar (scatter diagram) menggambarkan nilai-nilai
observasi peubah tak bebas dan peubah bebas
 Nilai peubah tak-bebas (sumbu Y – vertikal) ditentukan oleh
nilai peubah bebas (sumbu X – horizontal)
 Contoh 1:
 Umur vs Tinggi Tanaman (X: Umur, Y: Tinggi)
 Biaya Promosi vs Volume Penjualan (X: Biaya Promosi
Y : Vol. Penjualan)
 Diperlukan jika kita ingin mempelajari
scr kuantitatif, hub antara berbagai
kejadian
 Berupa kumpulan titik2 yg dpt
dihubungkan oleh garis / kurva ttt yg
disebut garis regresi (linier, kuadratik,
logaritmik, eksponensial kubik, dll).
 Variabel yg diestimasi disebut variabel
dependent/ terikat
 Variabel yg mempengaruhi disebut
variabel independent/ bebas
 Analisis Regresi
 Mempelajari dan mengukur hub statistik
yg tjd antara 2 variabel atau lebih
 Meramalkan/ memperkirakan nilai dari
satu variabel dlm hubungannya dgn
variabel lain yg diketahui melalui
persamaan regresi
 Teknik statistika yg berguna utk
memeriksa dan memodelkan hub diantara
var (terapannya biasanya dikaitkan
dengan studi ketergantungan suatu var
bebas pada var terikat)
 Regresi : Linear dan Non Linear
(kuadratik, logaritmik, eksponensial
kubik, hiperbolik, dll)

 Regresi : Sederhana dan Berganda

Sederhana : jika hanya terdiri dari
satu variabel bebas/ independent
Berganda : jika terdiri lebih dari satu
variabel bebas/ independent
 Bentuk persamaan regresi linear
sederhana


Y  a  bX

Untuk meramalkan persamaan regresi mk

nilai a dan b dirumuskan

b
 XY  n X Y

X n X
2 2

a Y b X
 Pengujian hipotesis koefisien regresi
 Menentukan formulasi hipotesis untuk
parameter a dan b
 Menentukan taraf nyata α dan nilai t tabel
yg ditentukan dgn derajat bebas (db) = n-2
 Menentukan kriteria pengujian
 Menentukan nilai uji statistik
Untuk parameter a t  a  a0
hit
Sa
Untuk parameter b b  b0
t hit 
Sb
Membuat kesimpulan
 Standart error/ kesalahan bakunya
S 
 Y  a. Y  b. XY
2

n2
e

 Utk koefisien regresi a, kesalahan

bakunya
Sa 
  Se
X 2

n. X 2  ( X ) 2

 Utk koefisien regresi b, kesalahan

bakunya
Se
Sb 
( X ) 2
X 2

n
 Analisis korelasi
 Mengukur seberapa kuat atau derajat
kedekatan suatu relasi yg tjd antar variabel
 Koefisien korelasi memiliki nilai -1≤ KK ≤+1
 Untuk menentukan keeratan korelasi
antarvariabel diberikan patokan KK
 0 < KK ≤ 0,2, korelasi sgt lemah
 0,2 < KK ≤ 0,4, korelasi lemah tp pasti
 0,4 < KK ≤ 0,7, korelasi yg cukup berarti
 0,7 < KK ≤ 0,9, korelasi sgt kuat
 0,9 < KK < 1, korelasi kuat sekali
 KK = 1, korelasi sgt sempurna
 Koefisien korelasi mrp akar dr koefisien
determinasi (R²)
 Koefisien determinasi : merupakan suatu
ukuran yg digunakan utk melihat seberapa
besar sumbangan variabel independent
terhadap variasi variabel dependent.
 Nilai R² berkisar 0 < R² < 1
Kegunaannya:
 Utk ukuran ketepatan garis regresi dari
hasil estimasi thd sekelompok data hasil
observasi.
 Utk mengukur proporsi dr jumlah variasi yg
diterangkan oleh model regresi.
Koefisien Determinasi:
r 
2
a  Y   b XY   n Y 
2

 (Y ) 2
 n (Y ) 2

Koefisien Korelasi : r r 2

Jenis-jenis koefisien korelasi

1. Koefisien korelasi pearson
2. Koefisien korelasi rank spearman
3. Koefisien korelasi kontingensi
4. Koefisien penentu
 Jenis Persamaan Regresi
 Regresi Linier
• Regresi Linier Sederhana Y  a  bX
• Regresi Linier Berganda Y  a  b1 X 1  b2 X 2  ...  bn X n
 Regresi Non-Linier
• Regresi Eksponensial Y  ab x
logY  log a  (logb) x
 REGRESI LINIER SEDERHANA
60

50
Pengeluaran untuk makanan

40

garis regresi penduga

30

20

10

0
0 20 40 60 80 100 120 140
Pendapatan keluarga

Sumber: Griffiths, W., R. Hill, dan G. Judge. 1993. Learning and Practicing Econometrics. John
Willey&Sons, Inc., h. 182
Y

a intercept
b slope
Y = a + bX

Y
b=
X
a

Gambar. Garis regresi dengan intercept a dan derajat

kemiringan b
 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
 Penetapan Persamaan Regresi Linier
Sederhana

n : banyak pasangan data

yi : nilai peubah takbebas Y ke-i
xi : nilai peubah bebas X ke-i
 Contoh 1
Berikut adalah data Biaya Promosi dan Volume Penjualan
PT BIMOIL perusahaan Minyak Goreng dalam juta rupiah.
Tahun Promosi (X) Penjualan (Y)
(Juta rupiah) (juta liter)

1992 2 5
1993 4 6
1994 5 8
1995 7 10
1996 8 11
Σ Σx = 26 Σy=40

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

Penyelesaian persamaan
Penjualanregresi
Tahun Promosi (X) xy x2 y2
(Y)

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
Σ Σx = 26 Σy=40 Σxy=232 Σx2 = 158 Σy2 = 346

(5  232)  ( 26  40)
b  1.0526
(5  158)  ( 26 )
2
 Peramalan dengan regresi

Contoh 2

Misalnya, dengan menggunakan persamaan

regresi di atas, berapa volume penjualan
jika dikeluarkan biaya promosi Rp. 10 juta
Y = 2.530 + 1.053 X
X = 10
Y = 2.530 + 1.053 (10)
= 2.53 + 10.53
= 13.06 juta liter
 Tugas I
1. Perhatikan data berikut:
X 1 2 3 4 5 6
y 6 4 3 5 4 2

a. Tentukan persamaan garis regresinya.

b. Gambarkan garis tersebut pada diagram pencarnya
c. Tentukan nilai dugaan titik y bila x = 4
d. Hitung dan tafsirkan koefisien korelasi dan koefisien determinasi
2. Nilai laporan (X) dan ujian akhir (Y) dari 9 mahasiswa:
X 77 50 71 72 81 94 96 99 67
Y 82 66 78 34 47 85 99 99 68
a. Tentukan persamaan garis regresinya
b. Dugalah nilai akhir seorang mahasiswa yang tidak ikut ujian, tetapi
nilai laporannya 85
c. Hitung dan tafsirkan koefisien korelasi dan koefisien determinasi
3. Suatu penelitian mengukur Suhu, X Gula yang
banyaknya gula yang terbentuk,
terbentuk pada berbagai suhu. Y
Datanya dikodekan sebagai 1.0 8.1
berikut: 1.1 7.8
a. Dugalah garis regresi linearnya 1.2 8.5
b. Dugalah banyaknya gula yang 1.3 9.8
terbentuk bila suhunya 1.75 1.4 9.5
1.5 8.9
1.6 8.6
1.7 10.2
1.8 9.3
1.9 9.2
2.0 10.5
4. Suatu test diberikan pada semua mahasiswa baru. Seseorang yang
memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah Statistika yang
biasa, tetapi harus mengikuti suatu kelas khusus (remedial class). Nilai tes dan
nilai akhir bagi 20 mahasiswa yang mengikuti kuliah Statistika yang biasa
tercatat sebagai berikut:
Nilai Tes Nilai Akhir Nilai Tes Nilai Akhir a. Tentukan persamaan
50 53 90 57 garis regresi untuk
meramalkan nilai akhir
35 41 80 91 berdasarkan nilai tes
35 61 60 48 b. Bila 60 adalah nilai
60 71 terendah agar lulus dari
40 56
pelajaran Statistika
55 68 60 71 tersebut, berapakah
65 36 40 47 batas nilai tes terendah
di masa mendatang
35 11 55 53
untuk dapat diizinkan
60 70 50 68 mengikuti kuliah
90 79 65 57 tersebut
35 59 50 79
 KORELASI
 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
 Contoh 3
Setelah mendapatkan persamaan Regresi
Y = 2.530 + 1.053 X, hitung koef. korelasi (r) dan
koef determinasi (R).
Gunakan data berikut (lihat Contoh 2)
Σx = 26 Σy = 40 Σxy = 232 Σx² =158
Σy² = 346
 Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya
promosi) dan Y (volume penjualan) berkorelasi linier yang
positif dan tinggi
 Koefisien Determinasi (R)
R = r2 =(0.9857)2 =0.97165....= 97 %
Nilai R = 97%
artinya: 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
lainnya.
 Quiz

1. Apa yang dimaksud dengan regresi?

2. Apa yang dimaksud dengan korelasi?
3. Nilai koefisien korelasi dua variabel X dan
Y adalah -0.85. Apa maksudnya?
4. Nilai koefisien determinasi suatu
persamaan regresi adalah 0.40. Apa
artinya?
5. Persamaan regresi Y = 12.06 + 0.778X.
Tentukan Y jika X = 85
 PUSTAKA
 Gunarto, T. Y. 2009. Regresi dan Korelasi Linier Sederhana.
 Griffiths, W., R. Hill, dan G. Judge. 1993. Learning and Practicing
Econometrics. John Willey&Sons, Inc.
 Walpole, R. E. 1995. Pengantar Statistika. Edisi ke-3. Pentj:
Sumantri. Gramedia Pustaka Utama. Jakarta