MODUL 13 Statistik

MODUL PERKULIAHAN
Statistika Bisnis
Regresi - Korelasi
Fakultas Program Studi Tatap Muka Kode Disusun Oleh

Fakultas Ekonomi dan Akuntansi S1 84002 Tri Wahyono, SE.MM.
Bisnis
14
Abstract Kompetensi
Menjelaskan dan memaparkankan Mahasiswa dapat memahami tentang
tentang regresi dan korelasi. regresi dan korelasi.
SESI 14
Regresi dan 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.
2014 Statistika Bisnis

2 Mafizatun Nurhayati
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Hubungan dua variabel dinyatakan negatip jika nilai suatu variabel ditingkatkan maka
akan menurunkan nilai variabel lainnya, sebaliknya jika nilai variabel tersebut diturunkan
maka akan menaikkan nilai variabel yang lain. Sebagai contoh adalah hubungan tingkat
serangan hama dengan produksi. Semakin tinggi tingkat serangan hama maka produksinya
akan semakin kecil, sebaliknya semakin kecil tingkat serangan hama maka produksinya
semakin besar.
Kuatnya hubungan antar variabel dinyatakan dengan besarnya koefisien korelasi.

Koefisien korelasi memiliki rentang nilai antara -1 sampai 1. Jika hubungan antara 2 variabel
memiliki korelasi -1 atau 1 berarti kedua variabel tersebut memiliki hubungan yang
sempurna, sebaliknya jika hubungan antara 2 variabel memiliki korelasi 0 berarti tidak ada
hubungan antara kedua variabel tersebut.
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):
Sample Xi Yi Xi Yi Xi2 Yi2
1 13,9427 54,73 763,0840 194,3989 2995,3729
2 9,9157 53,87 534,1588 98,3211 2901,9769
3 7,5652 52,52 397,3243 57,2323 2758,3504
4 14,6474 56,06 821,1332 214,5463 3142,7236
5 9,9510 54,55 542,8270 99,0224 2975,7025
6 6,8356 53,21 363,7223 46,7254 2831,3041
7 13,6373 57,43 783,1901 185,9759 3298,2049

8 10,2808 55,82 573,8743 105,6948 3115,8724
9 7,3421 53,86 395,4455 53,9064 2900,8996
Jumlah 94,1178 492,05 5174,7595 1055,8236 26920,4073
Rata-rata 10,4575 54,6722 574,9733 117,3137 2991,1564
Perhitungan:
R atau r = [9 X 5174,7595 - 94,1178 X 492,05] / { [9 X 1055,8236 - (94,1178) 2] –
[9 X 26920,4073 - (492,05)2] }0,5
R = 0,791121276731124
R = 0,7911
Uji Signifikansi Koefisien Korelasi
r n2
t 
1 r 2
atau
Contoh uji t untuk uji korelasi
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

H1 : r ≠ 0
2. Menentukan nilai kritis:

Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df) = n-
k = 9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan df =7 adalah = 2,36. Ingat bahwa n
adalah jumlah data pengamatan yaitu = 9, sedangkan k adalah jumlah variabel yaitu
Y dan X, jadi k=2.
3. Menentukan nilai uji t
4. Menentukan daerah keputusan dengan nilai kritis 2,36
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)
Interval Koefisien Tingkat Hubungan
0,00 - 0,199 sangat rendah

0,20 - 0,399 rendah
0,40 - 0,599 sedang
0,60 - 0,799 kuat
0,80 - 1,000 sangat kuat
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna
Korelasi negatif Korelasi negatif Korelasi positif Korelasi positif

kuat lemah lemah kuat
-1,0 -0,5 0,0 0,5 1,0

Skala r
Korelasi negatif Korelasi positif
Regresi Linier Sederhana
Metode yang dipergunakan adalah metode kuadrat terkecil (Ordinary Least Square –
OLS).
Asumsi Metode Kuadrat Terkecil
1. Hubungan antara Y (variabel dependen) dan X (variabel independen) adalah linier

dalam parameter
2. Variabel X adalah variabel tidak stokastik yang nilainya tetap. Nilai X adalah tetap
untuk berbagai observasi yang berulang-ulang. Jadi dengan sampel yang berulang-
ulang nilai variabel independen (X) adalah tetap atau dengan kata lain variabel
independen (X) adalah variabel yang dikontrol.
3. Nilai harapan atau rata-rata dari variabel pengganggu ei adalah nol
4. Varian dari variabel gangguan ei adalah sama (homoskedastisitas)
5. Tidak ada serial korelasi antara gangguan e i atau ei tidak saling berhubungan
dengan ei yang lain

6. Variabel gangguan ei berdistribusi normal
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:
Y = variabel dependen yang diprediksikan
a = α = alfa = konstanta
β = b = koefisien regresi X terhadap Y
X = variabel independen yang mempunyai nilai tertentu
e = variabel gangguan (errors terms)
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:

Berikut ini adalah contoh perhitungan regresi linier sederhana antara biaya iklan dalam juta
rupiah (X) terhadap besarnya penjualan dalam juta rupiah (Y):
Sample Xi Yi Xi Yi Xi2 Yi2
1 13,9427 54,73 763,0840 194,3989 2995,3729
2 9,9157 53,87 534,1588 98,3211 2901,9769
3 7,5652 52,52 397,3243 57,2323 2758,3504
4 14,6474 56,06 821,1332 214,5463 3142,7236
5 9,9510 54,55 542,8270 99,0224 2975,7025
6 6,8356 53,21 363,7223 46,7254 2831,3041
7 13,6373 57,43 783,1901 185,9759 3298,2049
8 10,2808 55,82 573,8743 105,6948 3115,8724
9 7,3421 53,86 395,4455 53,9064 2900,8996
Jumlah 94,1178 492,05 5174,7595 1055,8236 26920,4073
Rata-rata 10,4575 54,6722 574,9733 117,3137 2991,1564
Perhitungan menaksir koefisien regresi:
a = [(492,05)(1055,8236) - (94,1178)(5174,7595)] / [(9)(1055,8236) -
(94,1178)2]
a = 50,4166337304825
a = 50,4166
b = [(9)(5174,7595) - (94,1178)(492,05)] / [(9)(1055,8236) - (94,1178)2]

b = 0,406939988245132
b = 0,4069
Sehingga diperoleh perasamaan regresi linier sederhana:
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
b = 0,4069 artinya bila biaya iklan meningkat sebesar
Uji Kecocokan Model
1. Dengan Koefisien Determinasi (R2)

R2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan oleh model.
Nilai koefisien determinasi terletak antara 0 dan 1. Semakin mendekati 1 semakin baik garis
regresi karena mampu menjelaskan data aktualnya.

atau
Menghitung Jumlah Kuadrat (JK) total dengan rumus
Menghitung JK regresi dengan rumus
R atau r merupakan koefisien korelasi antara Y dengan kelompok X1 , X2 , X3 , … , Xk
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.
2. Dengan Analisis Sidik Ragam Regresi (Analysis of Variance / Anova)

Berikut ini adalah contoh perhitungan uji persamaan garis regresi dengan metode analisis
sidik ragam (Analysis of Variance / Anova):
Tahapan Ujinya :
a. Hipotesis =
H0 : b = 0
H1 : b ¹ 0

b. Menentukan nilai kritis
Diatribusi F memiliki derajat bebas pembilang v1 = k - 1 dan derajat bebas penyebut v2
=n–k
tingkat signifikan α = 1%, atau α = 5%, atau α = 10%,
Nilai kritis F (α; v1, v2)
Contoh:
α = 5%
derajat bebas pembilang v1 = k -1 = 2 - 1 = 1
derajat bebas penyebut v2 = n – k = 9 – 2 = 7
sehingga nilai kritis F (0,05; 1; 7) = 5,59
c. Menghitung F hitung
Rumus:
R2 / (k – 1)
F = --------------------------
(1 – R2 ) / (n – 3)
Atau ada cara menghitung F hitung yang lengkap dengan table ANOVA:
Tabel Analisis Ragam

Dimana:
SS : Sum Square = jumlah kuadrat
db : derajat bebas
MS : Mean Square = kuadrat tengah
Menghitung Jumlah Kuadrat (JK) total dengan rumus

»
dimana y = rata-rata dari nilai Y

JKtotal = (26920,4073) – 9 X (54,67222)
JKtotal = 18,9403555555556
JKtotal = 18,94036
» Menghitung JK regresi dengan rumus
JKregresi = [ (5174,7595 – 9 X 10,4575 X 54,6722) / (1055,8236 – 9 X 54,67222) ]2
(1055,8236 – 9 X 54,67222)
JKregresi = 11,8542547755448
JKregresi = 11,85425
» Menghitung JK residual dengan rumus
JKresidual = JKtotal - JKregresi
JKresidual = 18,9403555555556 - 11,8542547755448

JKresidual = 7,086100780010771
JKresidual = 7,0861

» Menghitung Derajat Bebas (DB) Total dengan rumus
DBtotal = n – 1
DBtotal = 9 – 1
DBtotal = 8
» Derajat Bebas (DB) regresi = 1
» Menghitung Derajat Bebas (DB) residual dengan rumus
DBresidual = DBtotal - DBregresi
DBresidual = 8 - 1
DBresidual = 7
» Menghitung Kuadrat Tengah (KT) regresi dengan rumus
KTregresi = JKregresi / DBperlakuan

KTregresi = 11,85425 / 1
KTregresi = 11,85425
» Menghitung Kuadrat Tengah (KT) residual dengan rumus
KTresidual = JKresidual / DBresidual
KTresidual = 7,0861 / 7
KTresidual = 1,0123
» Menghitung F Hitung (FH) regresi dengan rumus

FHregresi = KTregresi / KTresidual
FHregresi = 11,85425 / 1,0123

FHregresi = 11,71022
Tabel Analisis Sidik Ragam Regresi
F Tabel
Sumber Jumlah Derajat Kuadrat
F Hitung
Keragaman Kuadrat Bebas Tengah
5% 1%
Regresi 11,85425 1 11,85425 11,71022* 5,590 12,25
Residual 7,0861 7 1,0123 . . .
Total 18,94036 9 . . . .
c. Pengambilan Keputusan
H0 ditolak jika pada taraf kepercayaan a
Jadi F hitung = 11,71022
F table = 5,59
F hitung > F table, sehingga Ho ditolak.
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).

3. Dengan Uji Parsial Koefisien Regresi
Tahapan Ujinya :
a. Hipotesis =
H0 : b = 0
H1 : b ¹ 0
dimana b merupakan koefisien yang akan diuji
b. Menentukan nilai kritis:

Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df) = n-k =
9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan df =7 adalah = 2,36. Ingat bahwa n adalah
jumlah data pengamatan yaitu = 9, sedangkan k adalah jumlah variabel yaitu Y dan X,
jadi k=2.
c. Menentukan nilai uji t

t = (b – B)/Sb
Sb = Sx.y / [Ö åX2 – (åX)2/n]
S xy = Ö { [ åY2 – aåY – b åXY ] / (n – k) }
d. Menentukan daerah keputusan dengan nilai kritis 2,36
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

 Jika nilai t hitung < nilai t tabel maka Ho diterima atau menolak 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

mean
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

Daftar Pustaka
J. Supranto, 2008. Statistik: Teori dan Aplikasi. Edisi ketujuh. Penerbit Erlangga. Jakarta.
Suharyadi dan Purwanto. 2006. Statistik Untuk Ekonomi dan Keuangan Modern. Buku 1
Salemba empat. Jakarta
Anto Dayan, 1996. Pengantar Metode Statistik, LP3ES, Jakarta


MODUL 13 Statistik

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MODUL 13 Statistik

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PERKULIAHAN

Fakultas Program Studi Tatap Muka Kode Disusun Oleh

2014 Statistika Bisnis

Kuatnya hubungan antar variabel dinyatakan dengan besarnya koefisien korelasi.

Sample Xi Yi Xi Yi Xi2 Yi2

1 13,9427 54,73 763,0840 194,3989 2995,3729

2 9,9157 53,87 534,1588 98,3211 2901,9769

3 7,5652 52,52 397,3243 57,2323 2758,3504

4 14,6474 56,06 821,1332 214,5463 3142,7236

5 9,9510 54,55 542,8270 99,0224 2975,7025

6 6,8356 53,21 363,7223 46,7254 2831,3041

7 13,6373 57,43 783,1901 185,9759 3298,2049

2014 Statistika Bisnis

9 7,3421 53,86 395,4455 53,9064 2900,8996

Jumlah 94,1178 492,05 5174,7595 1055,8236 26920,4073

Rata-rata 10,4575 54,6722 574,9733 117,3137 2991,1564

R atau r = [9 X 5174,7595 - 94,1178 X 492,05] / { [9 X 1055,8236 - (94,1178) 2] –

[9 X 26920,4073 - (492,05)2] }0,5

Uji Signifikansi Koefisien Korelasi

Contoh uji t untuk uji korelasi

2014 Statistika Bisnis

2. Menentukan nilai kritis:

3. Menentukan nilai uji t

4. Menentukan daerah keputusan dengan nilai kritis 2,36

Interval Koefisien Tingkat Hubungan

0,00 - 0,199 sangat rendah

2014 Statistika Bisnis

0,40 - 0,599 sedang

0,60 - 0,799 kuat

0,80 - 1,000 sangat kuat

Korelasi negatif Korelasi negatif Korelasi positif Korelasi positif

-1,0 -0,5 0,0 0,5 1,0

Regresi Linier Sederhana

Asumsi Metode Kuadrat Terkecil

1. Hubungan antara Y (variabel dependen) dan X (variabel independen) adalah linier

2014 Statistika Bisnis

Y = variabel dependen yang diprediksikan

β = b = koefisien regresi X terhadap Y

X = variabel independen yang mempunyai nilai tertentu

e = variabel gangguan (errors terms)

2014 Statistika Bisnis

Sample Xi Yi Xi Yi Xi2 Yi2

1 13,9427 54,73 763,0840 194,3989 2995,3729

2 9,9157 53,87 534,1588 98,3211 2901,9769

3 7,5652 52,52 397,3243 57,2323 2758,3504

4 14,6474 56,06 821,1332 214,5463 3142,7236

5 9,9510 54,55 542,8270 99,0224 2975,7025

6 6,8356 53,21 363,7223 46,7254 2831,3041

7 13,6373 57,43 783,1901 185,9759 3298,2049

8 10,2808 55,82 573,8743 105,6948 3115,8724

9 7,3421 53,86 395,4455 53,9064 2900,8996

Jumlah 94,1178 492,05 5174,7595 1055,8236 26920,4073

Rata-rata 10,4575 54,6722 574,9733 117,3137 2991,1564

Perhitungan menaksir koefisien regresi:

a = [(492,05)(1055,8236) - (94,1178)(5174,7595)] / [(9)(1055,8236) -

b = [(9)(5174,7595) - (94,1178)(492,05)] / [(9)(1055,8236) - (94,1178)2]

2014 Statistika Bisnis

Sehingga diperoleh perasamaan regresi linier sederhana:

b = 0,4069 artinya bila biaya iklan meningkat sebesar

Uji Kecocokan Model

1. Dengan Koefisien Determinasi (R2)

2014 Statistika Bisnis

Menghitung Jumlah Kuadrat (JK) total dengan rumus