Statistika Bisnis
Regresi - Korelasi
Pengantar Singkat
Analisis regresi berkenaan dengan studi ketergantungan suatu variabel, variabel tak
bebas, pada satu atau lebih variabel lain, variabel yang menjelaskan (explanatory variables),
dengan maksud menaksir dan atau meramalkan nilai rata-rata hitung (mean) atau rata-rata
(populasi) variabel tak bebas, dipandang dari segi nilai yang diketahui atau tetap variabel
yang menjelaskan (Gujarati, 2004).
Dalam bahasa yang lebih sederhana regresi dapat diartikan sebagai bentuk
hubungan antara variabel bebas (satu atau lebih) terhadap variabel tak bebas. Sedangkan
korelasi dapat diartikan sebagai tingkat keeratan hubungan antara variabel pengamatan
(variabel bebas dan tak bebas).
Korelasi dan regresi mempunyai hubungan yang sangat erat. Setiap regresi pasti
ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi yang tidak
dilanjutkan dengan regresi adalah korelasi antara dua variabel yang tidak mempunyai
hubungan kausal/sebab-akibat atau hubungan fungsional. Untuk menetapkan apakah kedua
variabel mempunyai hubungan kausal atau tidak, maka harus dilandaskan pada teori atau
konsep tentang dua variabel tersebut.
Korelasi
Korelasi merupakan angka yang menunjukkan arah dan kuatnya hubungan antar
dua variabel (atau lebih). Arah dinyatakan dalam bentuk hubungan positip ( + ) atau negatip
(-), sedangkan kuatnya hubungan dinyatakan dengan besarnya koefisien korelasi.
Hubungan dua variabel dinyatakan positip jika nilai suatu variabel ditingkatkan maka
akan meningkatkan nilai variabel lainnya, sebaliknya jika nilai variabel tersebut diturunkan
maka akan menurunkan nilai variabel yang lain. Sebagai contoh adalah hubungan tinggi
tanaman dengan produksi. Semakin tinggi jagung maka berat tongkolnya akan semakin
besar, sebaliknya semakin pendek tanaman maka berat tongkol semakin kecil.
Koefisien korelasi linier (Pearson product moment correlation coefficient) antara dua
variabel dapat dicari dengan persamaan berikut:
Berikut ini adalah contoh perhitungan korelasi linier sederhana antara biaya iklan dalam juta
rupiah (X) terhadap besarnya penjualan dalam juta rupiah (Y):
Perhitungan:
R = 0,791121276731124
R = 0,7911
r n2
t
1 r 2
atau
Ujilah apakah nilai r = 0,7911 pada hubungan antara biaya iklan (X) dan besarnya penjualan
sama dengan nol pada taraf nyata 5%?
Langkah-langkah :
1. Perumusan hipotesa:
Hipotesa yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam
populasi dilambangkan dengan sedang pada sampel r.
H0 : r = 0
5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada daerah tidak menolak
H0. Ini menunjukkan bahwa tidak terdapat cukup bukti untuk menolak H0, sehingga
dapat disimpulkan bahwa korelasi dalam populasi sama dengan nol, hubungan
antara biaya iklan dengan besarnya penjualan lemah dan tidak nyata.
Selain itu, untuk dapat memberikan penafsiran terkadap koefisien korelasi yang didapat,
maka dapat berpedoman pada tabel berikut (Sugiyono, 2005)
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna
Metode yang dipergunakan adalah metode kuadrat terkecil (Ordinary Least Square –
OLS).
Asumsi 1 – 5 dikenal dengan model regresi linier klasik (Classical Linear Regression Model).
Bila asumsi terpenuhi maka OLS akan menghasilkan estimator yang mempunyai sifat tidak
bias, linier dan mempunyai varians yang minimum (Best Linear Unbiased Estimators =
BLUE)
Regresi linier sederhana didasarkan pada hubungan fungsional ataupun kausal satu
variabel independen dengan satu variabel dependen. Persamaan umum dari regresi linier
sederhana adalah:
+e
dimana:
a = α = alfa = konstanta
Koefisien regresi (b) akan bernilai positip apabila nilai X berbanding lurus terhadap nilay Y,
sebaliknya b akan bernilai negatip apabila nilai X berbanding terbalik terhadap nilai Y. Nilai
koefisien regresi a dan b dapat dicari dengan persamaan berikut:
(94,1178)2]
a = 50,4166337304825
a = 50,4166
b = 0,4069
Y = 50,4166 + 0,4069X + e
a = 50,4166 artinya adalah bila tidak ada biaya iklan (X = 0), maka besarnya penjualan (Y)
adalah sebesar 50,4166 juta rupiah
Nilai koefisien determinasi terletak antara 0 dan 1. Semakin mendekati 1 semakin baik garis
regresi karena mampu menjelaskan data aktualnya.
R = 0,7911
R2 = ……………
R2 = …… artinya bahwa garis regresi menjelaskan sebesar ……% fakta sedangkan sisanya
sebesar ……% dijelaskan oleh variabel residu yaitu variabel diluar model yang tidak
dimasukkan dalam model.
Tahapan Ujinya :
a. Hipotesis =
H0 : b = 0
H1 : b ¹ 0
Contoh:
α = 5%
c. Menghitung F hitung
Rumus:
R2 / (k – 1)
F = --------------------------
(1 – R2 ) / (n – 3)
Atau ada cara menghitung F hitung yang lengkap dengan table ANOVA:
db : derajat bebas
(1055,8236 – 9 X 54,67222)
JKregresi = 11,8542547755448
JKregresi = 11,85425
DBtotal = n – 1
DBtotal = 9 – 1
DBtotal = 8
DBresidual = 8 - 1
DBresidual = 7
KTresidual = 7,0861 / 7
KTresidual = 1,0123
F Tabel
Sumber Jumlah Derajat Kuadrat
F Hitung
Keragaman Kuadrat Bebas Tengah
5% 1%
Total 18,94036 9 . . . .
c. Pengambilan Keputusan
F table = 5,59
Karena F Hitung dari analisis sidik ragam regresi menunjukkan hasil yang nyata, maka
persamaan regresi yang telah didapatkan (Y = 50,4166 + 0,4069X) layak digunakan sebagai
fungsi penduga untuk memprediksi besarnya penjualan (Y) berdasarkan biaya iklan (X).
a. Hipotesis =
H0 : b = 0
H1 : b ¹ 0
e. Menentukan keputusan.
Membandingkan nilai t hitung dengan t tabel. Keputusan menolak atau menerima Ho
sbb:
Jika nilai t hitung > nilai t tabel maka Ho ditolak atau menerima Ha
Nilai t-hitung ternyata terletak pada daerah tidak menolak H 0. Ini menunjukkan bahwa
tidak terdapat cukup bukti untuk menolak H 0, sehingga dapat disimpulkan bahwa
korelasi dalam populasi sama dengan nol, hubungan antara biaya iklan dengan
besarnya penjualan lemah dan tidak nyata.
Latihan:
Misalnya kita ingin mengestimasi hubungan antara jumlah permintaan sepeda motor (Y) dan
harganya (X) dengan data hipotesis di bawah ini dengan model persamaan regresinya :
Yi = βo + β1Xi + ei
AGEN X Y XY X² Y2
1 9.94 84
2 9.87 100
3 9.88 99
4 9.91 93
5 9.92 90
6 9.89 97
7 9.93 88
8 9.9 94
Jmlh
Hitunglah:
1. Koefisien korelasi
2. Uji signifikansi koefisien korelasi dengan tingkat keyakinan 5%
3. Buatlah persamaan regresinya
4. Artikan koefsien regresi
5. Koefisien determinasinya
6. Uji signifikansi dengan uji F dan uji t.
7. Apa kesimpulan anda