Statistika Bisnis II

XI. ANALISIS REGRESI DAN KORELASI BERGANDA

A. Pengertian Regresi

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan

antara dua atau lebih variabel atau peubah.
Bila hubungan demikian dapat dinyatakan dalam bentuk rumus matematik, maka
kita akan dapat menggunakannya untuk keperluan peramalan. Misalkan data
pengeluaran biaya promosi dapat digunakan untuk meramalkan hasil penjualan
suatu perusahaan, panitia penerimaan mahasiswa baru melakukan tes kepada
calon mahasiswa baru untuk meramalkan keberhasilan studi mereka.
Persamaan matematik yang memungkinkan kita meramalkan nilai-nilai suatu
peubah atau variabel tak bebas dari nilai-nilai satu atau lebih variabel bebas
disebut Persamaan Regresi.
Dalam regresi, peramalan nilai varibel tak bebas Y berdasarkan varibel bebas
X yang telah diketahui nilainya.
Misalkan kita ingin meramalkan hasil penjualan barang berdasarkan biaya
promosi yang dikeluarkan. Untuk membuat peramalan semacam ini, pertama-
tama kita perhatikan sebaran nilai hasil penjualan untuk berbagai biaya promosi.
Dengan melambangkan nilai hasil penjualan adalah Y dan biaya promosi adalah
X, maka data setiap bulan/tahun dapat dinyatakan dalam koordinat (X,Y).
Kumpulan titik-titik koordinat (X,Y) yang diplotkan dalam suatu gambar
dinamakan diagram pencar. Dengan mengamati bentuk diagram pencar yang
mengikuti garis lurus, maka hubungan secara matematik antara variabel X dan Y
disebut garis regresi linear.
Jadi Regresi memberi dasar untuk mengadakan prediksi = peramalan suatu
variabel (peubah) dalam suatu disiplin ilmu.
Contoh lain Misalkan: Apakah keberhasilan suatu perusahaan dapat
diramalkan dari besarnya modal usaha dan kualitas SDM nya perusahaan
tersebut.
Apakah prestasi seseorang dapat diprediksikan dari tingkat kecerdasan &
manajemen waktunya. Apakah produktivitas kerja karyawan dapat diprediksi dari
hasil test seleksi dan lamanya pelatihan.
Variabel yang diramalkan disebut Dependen variable ( Variabel Tak bebas)
atau Kriterium. Variabel yang digunakan untuk meramal disebut Independen
variable (Variabel Bebas) atau Prediktor.
Hubungan antara variabel kriterium dengan variabel prediktor dapat
dilukiskan dalam suatu garis Regresi.
Garis Regresi mungkin lurus ( linear ), lengkung ( parabolik, hiperbolik, dsb ).
Yang dibicarakan hanya : Garis Regresi Linear. Untuk garis linear dengan satu
variabel prediktor persamaannya adalah :
Y = a + bX
Y = kriterium ; a = bilangan konstanta ; b = koefisien prediktor = atau koefisien
regresi, sedangka X = Prediktor = variabel bebas.

1
Statistika Bisnis II

Abubakar

Untuk garis regresi linear dengan 2 variabel bebas, persamaannya :

Y = a + b1X1 + b2X2 Regresi Ganda
Dan untuk m. variabel bebas persamaannya :

Y = a + b1X1 + b2X2 +………………bmXm

B. Analisis Regresi Linear Ganda

Persamaan Regresi Linear Ganda

Hubungan antara dependen variabel (Y) dengan lebih dari satu Independen
Variabel (X), dengan bentuk persamaan matematik adalah
Y = a + b1X1+b2X2+…………+bmXm
misalkan dengan 2 independen variabel atau 2 prediktor, bentuk persamaan
matematiknya adalah Y =
misal Y = Hasil penjualan
= Biaya promosi
= Harga barang
Cara menghitung koefisien a, b1 dan b2 , dengan metode deviasi adalah sebagai
berikut:

2
Statistika Bisnis II

C. Korelasi Ganda

Keeratan hubungan antara variabel X1, X2 dan Y dihitung dengan suatu

koefisien korelasi antara X1, X2, Y dengan rumus :

Sedangkan koefisien penentuan atau persentase kontribusi variabel X1 dan X2

terhadap perubahan variabel Y, dihitung dengan Koefisien Determinasi

KD = atau dihitung dengan rumus:

koefisien prediktor X1
Koefisien prediktor X2

TABEL ANAVA UNTUK 2 Prediktor ( k Prediktor )

SV db JK MK Fo reg F.tab
Regresi k …..

Residu N – k -1 …..

Total N-1 ***** *****

3
Statistika Bisnis II

SUMBANGAN RELATIF (SR %)

Regresi

Sumbangan Relatif (SR%) masing – masing prediktor adalah :

Prediktor

Prediktor

SUMBANGAN EFEKTIF

Merupakan sumbangan prediktor yang dihitung dari keseluruhan efektifitas

garis regresi.
Efektifitas persamaan Regresi diperoleh :

disebut KOEFISIEN DETERMINASI (KD)

Efektifitas garis Regresi =

Oleh karena itu sumbangan efektif (%) = (SR%prediktor )+(SR%prediktor )

D. Regresi Linear Berganda ( hubungan lebih dari 2 variabel )

( Penyelesaian dengan MATRIX )

Y = variabel tak bebas / dependent

X1, X2, = variabel bebas / independent

diberikan untuk k = 2

dapat dihitung dengan persamaan sebagai berikut :

Persamaan diatas dinyatakan dengan matrix :

4
Statistika Bisnis II

n
=

(A) (b) (C)

Menghitung b( ) Ab = C

Cara I : B = A –1. C Invers matrix = A –1 = Inverse A

Cara II : ; ; Metode CRAMER’S

Menghitung Determinan: A, A1, A2, A3 :

kolom 1 diganti (C)

Hitung =

kolom 2 diganti (C)

n
Hitung =

kolom 3 diganti (C)

n
Hitung =

Metode yang akan dijelaskan disini adalah cara II :

Menghitung Determinan matriks A=

determinan A =

5
Statistika Bisnis II

2 4
Contoh : A =
6 7

4 6
B=
5 8

Menghitung determinan dari matriks A (3 x 3) dengan cara

A= B (baris)

K (kolom)

Cara lain yaitu memindahkan 2 kolom kekanan :

=A

Contoh : 2 4 6 2 4
2 4 6
A= 3 2 3 3 2 3 3 2
1 4 9
1 4 9 1 4

1 2 3 1 2 3 1 2
B= 3 2 3 3 2 3 3 2 maka
1 4 9 1 4 9 1 4

Cara lain
ij = i + j = Genap (+) i = Baris (B)
= I + j = Ganjil ( - )

6
Statistika Bisnis II

j = Kolom (K)

+ - +

- + -

+ - +

Cara diatas dengan menggunakan baris 1, dan bisa juga menggunakan baris 2
(B2), baris 3 (B3), kolom 1 K1) dst, Hasil determinan akan sama

Contoh soal Regresi Ganda:

Pengamatan terhadap individu mengenai :

X1 = Pendapatan (dalam Juta Rupiah)
X2 = Besar keluarga (dalam satuan jiwa)
Y = Pengeluaran untuk membeli barang “A” (Ribuan rupiah)

Kel Y X1 X2 X1Y X2Y X1X2 X12 X22 Y2

1 23 10 7
2 7 2 3
3 15 4 2
4 17 6 4
5 23 8 6
6 22 7 5
7 10 4 3
8 14 6 3
9 20 7 4
10 19 6 3
n=10 60 40 1122 737 267 406 182 3162
170

10 60 40 170

60 406 267 = 1122

40 267 182 737

(A) (b) (C)

7
Statistika Bisnis II

170 60 40 det A = 2830

1122 406 267 det = 11090
737 267 182

10 170 40 det
60 1122 267
40 737 182

10 60 170
60 406 1122 det
40 267 737

Dengan demikian kita dapat menghitung sebagai berikut :

Persamaan Regresi

Misalkan kita akan menaksir pengeluaran dengan pendapatan 6, dan keluarga

terdiri dari 4 jiwa
Maka perkiraan pengeluaran:

KORELASI GANDA

Untuk menghitung kerataan hubungan antara variabel terhadap

variabel Y, digunakan koefisien korelasi ganda R atau R dengan rumus
:

8
Statistika Bisnis II

Dimana besarnya antara –1 dan +1 : ( -1 Ry1.2  +1)

Keterangan :

Pada contoh diatas setelah dihitung koefisien korelasinya sebagai berikut:

0,912 ( korelasi antara pendapatan dengan pengeluaran untuk membeli
barang adalah 0,912).
0,737 (korelasi antara besar keluarga dengan pengeluaran membeli
barang adalah 0,737).
0,850 ( korelasi antara pendapatan dengan besarnya keluarga adalah
0,850).

KOEFISIEN KORELASI GANDA: Ry.x1x2 adalah :

= 0,90

Korelasi antara X1(pendapatan) , X2 ( besarnya keluarga ) dengan Y

(pengeluaran untuk membeli barang) adalah 0,90.
Koefisien determinannya adalah : KD =( Ry.x1x2)2 x 100%
KD adalah kontribusi pengaruh x1x2 terhadap perubahan variabel Y atau
besarnya pengaruh X1, X2 terhadap naik turunnya variabel Y.

Pada contoh diatas KD = (0,90)2 x 100% = 81 % Ada 81% pengaruh pendapatan

dan besarnya keluarga terhadap pengeluaran untuk membeli barang
Sedangkan sisanya 19 % = (100-81)% adalah pengaruh- pengaruh lainnya,
misalnya harga barang, selera, dan lain-lain.

ANAVA REGRESI 2 PREDIKTOR

Y

Sumber db JK MK Fo F

9
Statistika Bisnis II

Variasi reg tab

Regresi m

Residu N-m-1

TOTAL N-1

Apabila Fo Reg > F5 % maka significance (S)

Apabila Fo Reg > F1% maka sangat significance (SS)

Tetapi apabila Fo reg < F5% maka non significance (NS)

Apabila Significance, maka Persamaan regresi dapat digunakan untuk

prediksi Y , apabila X diketahui.
Keterangan pada Anava : m = jumlah prediktor
N = jumlah sampel (pasangan XY )
Anava Regresi 2 Prediktor (untuk contoh diatas)

SV db JK MK Fhit F tabel
(Fo) 5% 1%
Regresi 2 235,01 117,505 22,24 4,74 9,55

Residu 7 36,99 5,284 (SS)

Total 9 272

JK reg =

= (2,50)(1122)+(-0,47)(737)+3,92(170)-
=2805-346,39+666,4-2890=235,01
JK tot =

JK residu = JK total – JK regresi

= 272 – 235,01 = 36,99
F hitung = Fo Regresi > F tabel 1% (22,24 > 9,55)  sangat significance, maka
Ho tolak atau ( H1 terima)

10
Statistika Bisnis II

Artinya ada pengaruh sangat significance antara X1 dan X2 terhadap perubahan

variabel Y atau persamaan regresi dapat digunakan untuk prediksi Y apabila X1
& X2 diketahui .

Soal Latihan,
1. Misalkan dalam suatu kasus, terhadap pengamatan pada n= 20

a. Hitung Y = a + b1X1 + b2X2

b. Hitung Ry.12 dan R2 Y 12
c. Unji regresi dengan Anava & Bagaimana kesimpulannya.

2. Gadis pintar ingin menguji kemampuan calon karyawan berdasar nilai test
(X1), dan intelegensi (X2) terhadap prestasi kerjanya (Y). 30 karyawan terpilih
sebagai sampelnya. Data yang diperolehnya adalah sebagai berikut:

Nilai Test Intelegensi Prestasi kerja

( X1 ) ( X2) (Y)
70 100 87
60 102 77
60 97 65
75 97 88
87 105 85
65 99 65
80 100 76
90 110 98
60 104 87
75 88 56
80 103 87
65 102 98
75 100 66
85 99 88
75 100 88
95 105 77
65 100 55
55 102 87
65 100 67
55 89 55
65 100 56
75 100 76
75 103 77
11
Statistika Bisnis II

60 100 67
95 100 87
80 110 89
65 110 89
75 105 67
80 105 77
55 100 57

Bantulah Gadis untuk mendapatkan :

a. Persamaan Garis regresinya Y’ = a + b1X1 dan Y= a+b2X2
b. Koefisien korelasi (ryx1 dan ryx2 )
c. Nilai prediksi prestasi kerja (Y) yang memperoleh nilai test=83, dan berapa
nilai pestasi kerja (Y) kalau mempunyai intelegensinya = 93,
d. Hitung Tabel anavanya utk masing-masing regresi.

12
Statistika Bisnis II

13
Statistika Bisnis II

14
Statistika Bisnis II

Abubakar

15