ANALISIS KORELASI

SEDERHANA
KULIAH #9 STATISTIK I

DR. DARMAWAN APRIYADI, S.T., M.T.

 PENDAHULUAN
Analisis regresi dan korelasi menyatakan
hubungan antara dua variabel atau lebih.
Analisis regresi : menunjukkan bentuk hubungan
antara dua variabel atau lebihà persamaan
regresi
Analisis korelasi : menunjukkan kekuatan hubungan
antara dua variabel atau lebih à koefisien
korelasi
Dalam suatu persamaan regresi terdapat
2 (dua) macam variabel, yaitu :
Variabel dependen (variabel tak bebas) adalah
variabel yang nilainya bergantung dari variabel
lain. Biasanya dinyatakan dengan Y.
Variabel independen (variabel bebas) adalah
variabel yang nilainya tidak bergantung dari
variabel lain. Biasanya dinyatakan dengan X.
ANALISIS REGRESI
Regresi dikelompokkan menjadi 2 :
1. Regresi linier
Regresi linier terdiri dari :
a. Regresi linier sederhana :
* 1 variabel tak bebas (dependent) dan 1 variabel
bebas (independent).
b. Regresi linier berganda
* 1 variabel tak bebas dan lebih dari 1 variabel bebas
2. Regresi tak linier
CONTOH PENGGUNAAN ANALISIS REGRESI
1. Analisis Regresi antara tinggi orang tua terhadap tinggi anaknya
(Gultom).
2. Analisis Regresi antara pendapatan terhadap konsumsi
rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan barang.
4. Analisis Regresi antara tingkat upah terhadap tingkat
pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank terhadap
harga saham
6. Analisis regresi antara biaya periklanan terhadap volume
penjualan perusahaan.
Langkah pertama dalam menganalisa relasi antar
variabel adalah dengan membuat diagram pencar
(scatter diagram) yang menggambarkan titik-titik plot
dari data yang diperoleh. Diagram pencar ini berguna
untuk :
1. membantu dalam melihat apakah ada relasi yang
berguna antar variabel,
2. membantu dalam menentukan jenis persamaan
yang akan digunakan untuk menentukan hubungan
tersebut.
Linier positif Linier negatif
Curvelinier positif Curvelinier negatif
 ANALISIS REGRESI LINIER SEDERHANA
ØSuatu persamaan garis lurus yang menyatakan
hubungan antara sebuah variabel bebas X dan sebuah
variabel tidak bebas Y, dan digunakan untuk
memperkirakan nilai Y berdasarkan nilai X disebut
sebagai persamaan regresi
 METODE KUADRAT TERKECIL
Adalah suatu metode yang digunakan untuk menentukan
persamaan linier estimasi
Kriteria ini dikenal dengan prinsip kuadrat terkecil (principle of
least square).
Prinsip pemilihan garis regresi ini adalah “pilih garis yang
mempunyai jumlah kuadrat deviasi nilai observasi Y terhadap nilai
Y prediksinya yang minimum sebagai garis regresi yang paling
baik”
Persamaan regresi estimasi yang baik secara umum

dimana
Yˆ = a + bX

Yˆ adalah nilai estimasi Y berdasarkan X yang dipilih.

a adalah titik potong Y.
b adalah kemiringan garis,
X adalah sembarang nilai variabel bebas yang dipilih
Nilai a dan b adalah :

(∑ X )(∑ Y )
b=
S xy
=
∑ XY − n
S xx (∑ X ) 2
∑ −
X 2
n

a = Y − bX
Contoh
Dari suatu praktikum logistik dasar diperoleh data yang menghubungkan
variabel bebas x dan variabel terikat y seperti ditunjukkan dalam tabel berikut.
Uji ke- x y
1 6 30
2 9 49
3 3 18
4 8 42
5 7 39
6 5 25
7 8 41
8 10 52
Σ 56 296
Jika berdasarkan kajian teoritis dan sifat dari fenomena yang menghubungkan x
dan y dapat diasumsikan mempunyai bentuk hubungan linier, maka persamaan
garis regresinya dapat ditentukan sebagai berikut.
Tabel perhitungan:
Uji ke- x y xy x2 y2
1 6 30 180 36 900
2 9 49 441 81 2401
3 3 18 54 9 324
4 8 42 336 64 1764
5 7 39 273 49 1521
6 5 25 125 25 625
7 8 41 328 64 1681
8 10 52 520 100 2704
Σ 56 296 2257 428 12920
x=
∑ x = 56 = 7 y=
∑ y = 296 = 37
n 8 n 8
Kolom y2 ditambahkan pada tabel meskipun belum digunakan untuk perhitungan
persamaan garis regresi. Nilai tersebut akan digunakan kemudian. Jadi dengan
menggunakan hasil pada tabel, nilai dari konstanta a dan b dapat ditentukan:
n ( ∑ xy ) − ( ∑ x )( ∑ y ) 8(2257) − (56)(296) 1480
b= = = = 5,1389
n (∑ x ) − (∑ x )
2 2
8(428) − (56) 2
288

a = y − bx = 37 − (5,1389)(7) = 1,0277
Jadi persamaan garis regresi linier yang menggambarkan hubungan antara
variabel x dan y dari data sampel pada percobaan/praktikum di atas adalah:
yˆ = a + bx = 1,0277 + 5,1389x
Dengan menggunakan persamaan garis regresi yang diperoleh, maka dapat
diperkirakan hasil yang akan diperoleh (nilai y) untuk suatu nilai x tertentu.
Misalnya untuk x = 4 maka dapat diperkirakan bahwa y akan bernilai:
yˆ = a + bx = 1,0277 + 5,1389x =1,0277 + 5,1389(4) = 21,583
 UJI KOEFISIEN REGRESI
Untuk melihat pengaruh X terhadap Y, maka dilakukan pengujian pada
koefisien regresi B. Bila X tidak mempengaruhi Y maka B = 0, bila ada pengaruh
negatif B < 0, ada pengaruh positif B > 0, dan bila ada pengaruh X terhadap Y maka
B ≠ 0. Perumusan untuk pengujian koefisien regresi B, adalah:
a. Ho : B = 0
b. H1 : B > 0 (ada pengaruh X terhadap Y positif)
H1 : B < 0 (ada pengaruh X terhadap Y negatif)
H1 : B ≠ 0 (ada pengaruh X terhadap Y)
c. Dengan α diketahui, dari tabel distribusi-t maka dapat dihitung t α untuk pengujian
satu arah dan t α untuk pengujian dua arah.
2

d. Tentukan statistik uji (tb) yang diberikan oleh

b − Bo sb =
s y,x
tb =
sb ; (∑ x ) 2

∑ ( x 2
)−
n
e. Simpulkan, tolak Ho atau terima Ho.
 CONTOH
Dengan menggunakan data diatas, maka uji koefisien regresi tsb :
1. Hipotesis:
Ho : B = 0
H1 : B ≠ 0
2. = 0.05
3. Digunakan distribusi t0,025 dengan df = n - 2 = 8 - 2 = 6
4. Batas-batas daerah penolakan uji dua ujung (two-tailed)
Dari tabel distribusi t batas kritis adalah = tcr = 2,447
5. Aturan keputusan:
Tolak H0 dan terima H1 jika perbedaan yang terstandard antara kemiringan
sample (b) dan kemiringan populasi yang dihipotesiskan (B Ho) kurang dari -
2,447 atau lebih dari 2,447. Jika sebaliknya terima H0
6. Rasio Uji
s y ,x 1,698 1,698
sb = = = = 0,283
(∑ x ) ( 56 ) 6
2 2

∑(x2 ) − n
428 −
8

b − BHo 5,1389 − 0
RUt = ttest = = = 18,159
sb 0,283

7. Pengambilan keputusan
Karena RUt = 18,159 bernilai jauh lebih besar daripada nilai
batas tcr = 2,447, maka H0: B = 0 ditolak. Hal ini bahwa hipotesis
alternatif yang menyatakan bahwa terdapat kemiringan pada
garis regresi untuk populasi serta suatu hubungan regresi yang
berarti benar-benar ada antara variabel X dan Y.
§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 X2 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
a − a0
t hit =
Sa
Untuk parameter b
b − b0
t hit =
Sb
Membuat kesimpulan
§Standart error/ kesalahan bakunya

Se =
∑ − a.∑ Y − b.∑ XY
Y 2

n−2
§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 merupakan akar dari
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 dari 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
TERIMA KASIH