KORELASI DAN REGRESI

LINEAR SEDERHANA

PENGANTAR STATISTIKA SOSIAL

 A.VARIABEL BEBAS DAN VARIABEL TERIKAT

• VARIABEL BEBAS (INDEPENDENT VARIABLE)

ADALAH VARIABEL YANG NILAI-NILAINYA TIDAK
BERGANTUNG PADA VARIABEL LAINNYA,
BIASANYA DISIMBOLKAN DENGAN X. VARIABEL
ITU DIGUNAKAN UNTUK MERAMALKAN ATAU
MENERANGKAN NILAI VARIABEL YANG LAIN.
• VARIABEL TERIKAT (DEPENDENT VARIABLE)
ADALAH VARIABEL YANG NILAI-NILAINYA
BERGANTUNG PADA VARIABEL
LAINNYA, BIASANYA DISIMBOLKAN
DENGAN Y
 B. ANALISIS KORELASI SEDERHANA

• ANALISIS KORELASI ADALAH CARA UNTUK MENGETAHUI

ADA ATAU TIDAK ADANYA HUBUNGAN ANTAR VARIABEL
MISALNYA HUBUNGAN DUA VARIABEL.
1. KORELASI POSISITF
2. KORELASI NEGATIF
3. TIDAK KORELASI
4. KORELASI SEMPURNA
 1. KORELASI POSISITF

• KORELASI POSITIF ADALAH KORELASI DARI DUA VARIABEL, YAITU

APABILA VARIABEL YANG SATU (X) MENINGKAT ATAU MENURUN
MAKA VARIABEL LAINNYA (Y) CENDERUNG UNTUK MENINGKAT
ATAU MENURUN PULA.
 2. KORELASI NEGATIF

• KORELASI NEGATIF ADALAH KORELASI DARI DUA VARIABEL, YAITU

APABILA VARIABEL YANG SATU (X) MENINGKAT ATAU
MENURUN MAKA VARIABEL LAINNYA (Y) CENDERUNG
MENURUN ATAU MENINGKAT.
 3. TIDAK KORELASI

• TIDAK ADA KORELASI TERJADI MENUNJUKKAN ADANYA

HUBUNGAN APABILA KEDUA VARIABEL (X DAN Y) TIDAK
MENUNJUKKAN ADANYA HUBUNGAN
 4. KORELASI SEMPURNA

• KORELASI SEMPURNA ADALAH KORELASI DARI DUA

VARIABEL, YAITU APABILA KENAIKAN ATAU
PENURUNAN VARIABEL YANG SATU (VARIABEL X)
BERBANDING DENGAN KENAIKAN PENURUNAN
VARIABEL LAINNYA (VARIABEL Y).
• ANALISIS KORELASI YANG AKAN DIPELAJARI DI
SINI ADALAH ANALISIS KORELASI SEDERHANA, YAITU
ANALISIS KORELASI YANG HANYA MELIBATKAN
DUA VARIABEL (VARIABEL X DAN Y) SAJA.
• ANALISIS KORELASI DAPAT DILAKUKAN MELALUI
BEBERAPA CARA, YAITU DIAGRAM PENCAR, TABEL
KORELASI, KOEFISIEN KORELASI, SERTA REGRESI.
 C. DIAGRAM PENCAR

1. KORELASI POSITIF
 C. DIAGRAM PENCAR

2. KORELASI NEGATIF
 C. DIAGRAM PENCAR

3. TIDAK ADA KORELASI

 C. DIAGRAM PENCAR

4. KORELASI SEMPURNA
 TABEL 8.1 HUBUNGAN ANTARA HASIL
PENJUALAN DAN BIAYA IKLAN, DARI SEBUAH
PERUSAHAAN

Biaya Iklan Biaya Penjualan

(juta Rp) (juta Rp)
0,50 5,00
1,00 10,00
1,75 12,50
2,50 20,00
3,25 30,00
4,00 35,00
5,50 40,00
5,75 42,50
6,50 50,00

1. Buatlah diagram penew dari data-data tersebut!

2. Sebutkan jenis korelasi yang terjadi!
JENIS KORELASI YANG TERJADI
ADALAH KORELASI POSITIF.
 D.TABEL KORELASI

• SAMA HALNYA DENGAN DIAGRAM PENCAR, TABEL

KORELASI JUGA MENUNJUKKAN ADANYA
INDIKASI KORELASI ANTARA DUA VARIABEL.
• PADA TABEL KORELASI TERDAPAT DUA VARIABEL,
YAITU VARIABEL X DAN Y. PROSES PEMBENTUKAN
TABEL KORELASI HAMPIR SAMA DENGAN PROSES
PEMBENTUKAN TABEL FREKUENSI (DISTRIBUSI
FREKUENSI). TABEL KORELASI DISEBUT DISTRIBUSI
FREKUENSI BERVARIABEL DUA.
• PROSEDUR PEMBUATAN TABEL KORELASI (DISTRIBUSI
FREKUENSI DUA VARIABEL) ADALAH SEBAGAI BERIKUT.
(LIHAT SELANJUTNYA)
 E. KOEFISIEN KORELASI
LINEAR SEDERHANA
1. PENGERTIAN KOEFISIEN KORELASI

• KOEFISIEN KORELASI KK MERUPAKAN INDEKS ATAU BILANGAN

YANG DIGUNAKAN UNTUK MENGUKUR KEERATAN (KUAT,
LEMAH, ATAU TIDAK ADA) HUBUNGAN ANTAR VARIABEL.
• KOEFISIEN KORELASI MEMILIKI NILAI ANTARA -1 DAN +1 (-1 ≤ KK
≤ +1).
 1.PENGERTIAN KOEFISIEN
KORELASI
a. JIKA KK BERNILAI POSITIF MAKA VARIABEL-
VARIABEL BERKORELASI POSITIF. SEMAKIN DEKAT
NILAI KK KE +1 SEMAKIN KUAT KORELASINYA,
DEMIKIAN PULA SEBALIKNYA.
b. JIKA KK BERNILAI NEGATIF MAKA VARIABEL-
VARIABEL BERKORELASI NEGATIF. SEMAKIN DEKAT
NILAI KK KE -1 SEMAKIN KUAT KORELASINYA,
DEMIKIAN PULA SEBALIKNYA.
c. JIKA KK BEMILAI 0 {NOL} MAKA
VARIABEL- VARIABEL TIDAK
MENUNJUKKAN KOREFALK
d. JIKA KK BERNILAI +1 ATAU -1 MAKA
VARIABEL- VARIABEL MENUNJUKKAN
KORELASI
 UNTUK MENENTUKAN KEERATAN HUBUNGAN
ATAU KORELASI ANTARVARIABEL TE BERIKUT INI
DIBERIKAN NILAI-NILAI DARI KK SEBAGAI
PATOKAN.

• KK = 0, TIDAK ADA KORELASI

• 0< KK ≤ 0,20, KORELASI SANGAT RENDAH/LEMAH SEKALI
• 0,20 < KK ≤ 0,40, KORELASI RENDAH/LEMAH TAPI PASTI
• 0,40 < KK ≤ 0,70, KORELASI YANG CUKUP BERARTI
• 0,70 < KK ≤ 0,90, KORELASI YANG TINGGI, KUAT
• 0,90 < KK < 1,00, KORELASI SANGAT TINGGI, KUAT SEKALI,
DAPAT DIANDALKAN
• KK = 1, KORELASI SEMPURNA.
 KEGUNAAN KOEFISIEN KORELASI

a. MENENTUKAN ARAH ATAU BENTUK DAN KEKUATAN HUBUNGAN

• ARAH HUBUNGAN  POSITIF (X| Y | ATAU ATAU XI Y |) ATAU
TIDAK ADA.
• KEKUATAN HUBUNGAN  SEMPURNA, KUAT, LEMAH, ATAU
TIDAK ADA.

b. MENENTUKAN KOVARIASI, YAITU BAGAIMANA DUA

VARIABEL RANDOM (X DAN Y) BERCAMPUR.
 KOVARIASI DIRUMUSKAN:

Kovarain =(SX) (SY) (KK)

Keterangan:
SX = simpang baku (standar deviasi) variabel X
Sy = simpang baku {standar deviasi} variabel Y
KK = koefisien korelasi .
 3. JENIS-JENIS KOEFISIEN
KORELASI LINEAR SEDERHANA

A. KOEFISIEN KORELASI PEARSON

• KOEFISIEN KORELASI PEARSON ADALAH INDEKS ATAU ANGKA
YANG DIGUNAKAN MENGUKUR KEERATAN HUBUNGAN ANTARA
DUA VARIABEL YANG DATANYA BERBENTUK DATA INTERVAL ATAU
RASIO. DISIMBOLKAN DENGAN “R”.
• KOEFISIEN KORELASI PEARSON DAPAT DITENTUKAN DENGAN DUA
METODE YAITU:
 1.METODE LEAST SQUARE

nXY  .Y
r X
(nX  (X ) ) (nY 
2 2 2

2
(Y) )
XX

2. METODE PRODUCT MOMENT

xy
r
x . y2 2

Keterangan:
r = koefisien korelasi
x = deviasi rata-rata variabel X
= XX
y = deviasi rata-rata variabel Y
= YY
 CONTOH SOAL:

• JIKA Y = HASIL PANEN (DALAM KUINTAL)

• X = PEMUPUKAN (DALAM 10 KG)'
• BERIKUT INI DIBERIKAN HASIL PENGAMATAN PEMUPUKAN DAN HASIL
PANEN PADI UNTUK 5 PERCOBAAN YANG TELAH DILAKUKAN.
 CONTOH SOAL:

X 3 6 9 10 13
Y 12 23 24 26 28

a. Tentukan koefisien korelasinya (r) dengan

metode least square dan metode product moment!
b. Sebutkan jenis korelasinya dan apa artinya!
 PENYELESAIAN:
X Y X2 Y2 XY x y x2 y2 xy
3 12 9 144 36 -5,2 -10,6 27,04 112,36 55,12
6 23 36 529 138 -2,2 0,4 4,84 0,16 -0,88
9 24 81 576 216 0,8 1,4 0,64 1,96 1,12
10 26 100 676 260 1,8 3,4 3,24 11,56 6,12
13 28 169 784 364 4,8 5,4 23,04 29,16 25,92

Σ : 41 113 395 2.709 1.014 58,80 155,20 87,40

 A. METODE LEAST SQUARE
 . Y

(nX 2
 (X )X
2
) (nY 2  (Y ) 2
)
nXY

(5)(1.014)  (41)(113)

((5)(395)  (41)2 ) ((5)(2709)  (113)2
)
437 = 0,91 437
 
294.776
 228.144
4 77,64
437

Hubungan/korelasinya sangat kuat sekali/tinggi
 KOEFISIEN KORELASI RANK
SPEARMAN
KOEFISIEN KOREIASI RANK SPEARMAN ADALAH INDEKS ATAU ANGKA
YANG DIG UNTUK MENGUKUR KEERATAN HUBUNGAN ANTARA DUA
VARIABEL YANG DATANYA BERBENTUK DATA ORDINAL (DATA
BERTINGKAT/DATA RANKING). DISIMBOLKAN DENGAN “RS”.
KOEFISIEN KORELASI RANK SPEARMAN DIRUMUSKAN:
 KOEFISIEN KORELASI RANK SPEARMAN
DIRUMUSKAN:
2
6d
rs  1
n(n 2
 1)

Keterangan:
rs =koefisien korelasi rank Spearman
d =selisih dalam ranking
n =banyaknya pasangan rank
 UNTUK MENGHITUNG KOEFISIEN KORELASI RANK,
DAPAT DIGUNAKAN LANGKAH-LANGKAH BERIKUT.

1. NILAI PENGAMATAN DARI DUA VARIABEL YANG

AKAN DIUKUR HUBUNGANNYA DIBERI RANKING.
PEMBERIAN RANKING DIMULAI DARI DATA TERBESAR
ATAU TERKECIL. JIKA RANKING SAMA, DIAMBIL RATA-
RATA.
2. SETIAP PASANG RANKING DIHITUNG PERBEDAANNYA.
3. PERBEDAAN SETIAP PASANG RANKING TERSEBUT
DIKUADRATKAN DAN DIHITUNG JUMLAHNYA.
4. NILAI RS DIHITUNG DENGAN RUMUS DI ATAS.
 CONTOH SOAL: BERIKUT INI DATA MENGENAI NILAI MATEMATIKA DAN STATISTIK DARI
10 MAHASISWA.
TABEL 8.4 NILAI MATEMATIKA DAN STATISTIK DARI 10 MAHASISWA

Matematika 82 75 85 70 77 60 63 66 80 89

Statistik 79 80 89 65 67 62 61 68 81 84

a. Hitunglah koefisien korelasi ranknya!

b. Sebutkan jenis korelasinya dan apa artinya!
 PENYELESAIAN:
UNTUK PERHITUNGAN, NILAI MATEMATIKA DISEBUT SEBAGAI
VARIABEL X DAN NILAI STATISTIK DISEBUT SEBAGAI
VARIABEL Y.

X Y Ranking X Ranking Y d d2
82 79 8 6 +2 4
75 80 5 7 -2 4
85 89 9 10 -1 1
70 65 4 3 +1 1
77 67 6 4 +2 4
60 62 1 2 -1 1
63 61 2 l +1 1
66 68 3 5 -2 4
80 81 7 8 -1 1
89 84 10 9 +1 1
Jumlah 22
 PENEYELESAIAN
2 b. korelasi
6d
a. rs = 1 positif dan
n(n 1)
2
kuat, artinya
6(22) jika nilai
1 2 matematika
10(10 = 1)

= 1 – 0,133
tinggi maka nilai
statistik juga
cenderung tinggi.
 LATIHAN SESI 10
PENGARUH JUMLAH DIKLAT TEKNIS (X) TERHADAP PRODUKTIVITAS KERJA (Y)
PEGAWAI PADA SEBUAH KANTOR SEBAGAI BERIKUT;

X 2 3 4 5 6 7 8 9

Y 4 5 6 5 7 7 9 10

Pertanyaan
1. Hitunglah KK dengan r (LS) dan rs!
2. Termasuk korelasi apa!
3. Berilah kesimpulan!

SELAMAT MENGERJAKAN
 KOEFISIEN PENENTU (KP) ATAU
2
KOEFISIEN DETERMINASI (R )
JIKA KOEFISIEN KORELASI DIKUADRATKAN AKAN MENJADI
KOEFISIEN PENENTU (KP) ATAU KOEFISIEN DETERMINASI,
YANG ARTINYA PENYEBAB PERUBAHAN PADA VARIABEL Y
YANG DATANG DARI VARIABEL X, SEBESAR KUADRAT
KOEFISIEN KORELASINYA. KOEFISIEN PENENTU INI
MENJELASKAN BESARNYA PENGARUH NILAI SUATU VARIABEL
(VARIABEL X) TERHADAP NAIK/TURUNNYA (VARIASI)
NILAI VARIABEL LAINNYA (VARIABEL Y). KOEFISIEN
PENENTU DIRUMUSKAN:
 RUMUS
KP = R2 = (KK)2 x 100%

KK= koefisien korelasi

Jika koefisien korelasinya adalah koefisien korelasi Pearson (
r ) maka koefisien penentunya adalah:

KP = R2 = r2 x 100%
 CONTOH SOAL:
DENGAN MENGGUNAKAN DATA PADA CONTOH SOAL PADA KOEFISIEN KORELASI
PEARSON, TENTUKAN: KOEFISIEN PENENTUNYA. APA ARTINYA.
PENYELESAIAN:
DARI JAWABAN CONTOH SOAL TERSEBUT DIPEROLEH NILAI R = 0,91
KP = R2 X 100%
= (0,91) X 100%
= 0,8281 X 100%
= 82,81 %
PENGARUH VARIABEL (PEMUPUKAN) TERHADAP NAIK TURUNNYA
X
(VARIASI) VARIABEL Y (HASIL PANEN) HANYA SEBESAR 82,81 %,
SELEBIHNYA 17,19% BERASAL DARI FAKTOR-FAKTOR LAIN, SEPERTI BIBIT,
CURAH HUJAN, DAN SEBAGAINYA, TETAPI TIDAK DIMASUKKAN DALAM
PERHITUNGAN.
 REGRESI LINIER
• REGRESI MERUPAKAN SUATU ALAT UKUR YANG JUGA
DIGUNAKAN UNTUK MENGUKUR ADA ATAU
TIDAKNYA KORELASI ANTAR VARIABEL.
• ANALISIS REGRESI LEBIH AKURAT DALAM MELAKUKAN
ANALISIS KORELASI, KARENA PADA ANALISIS ITU
KESULITAN DALAM MENUNJUKKAN SLOP (TINGKAT
PERUBAHAN SUATU VARIABEL TERHADAP VARIABEL
LAINNYA DAPAT DITENTUKAN). JADI, DENGAN ANALISIS
REGRESI, PERAMALAN ATAU PERKIRAAN NILAI
VARIABEL TERIKAT PADA NILAI VARIABEL BEBAS LEBIH
AKURAT PULA.
REGRESI LINIER
• REGRESI LINEAR ADALAH REGRESI YANG VARIABEL BEBASNYA
(VARIABEL X) BERPANGKAT PALING TINGGI SATU. UNTUK REGRE5I
LINEAR SEDERHANA, YAITU REGRESI LINEAR YANG HANYA
MELIBATKAN DUA VARIABEL (VARIABEL X DAN Y), PERSAMAAN
GARIS REGRESINYA DAPAT DITULISKAN DALAM DUA BENTUK, YAITU
SEBAGAI BERIKUT.
1. PERSAMAAN REGRESI LINEAR DARI Y
TERHADAP X

Y = a+bX
Dimana
Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop
2. PERSAMAAN REGRESI LINEAR
DARI X TERHADAP Y
X = a+bY
Dimana
X = Variabel terikat
Y = variabel bebas
a = intersep
b = koefisien regresi
Dari kedua bentuk persamaan regresi
linear di atas, yang paling umum
digunakan adalah persamaan regresi
berbentuk:
Y = a + bX
nilai a dan b dapat ditentukan dengan
cara berikut:
RUMUS A DAN B
(Y ) 2
) (X ) (XY )
(X 
a =
(n)(X 2 ) (X )2


(n) (XY  (X ) (Y )

)
b=
(n) (X )  (X )
2 2
CONTOH SOAL:
BERIKUT INI PULA MENGENAI PENGALAMAN KERJA DAN PENJUALAN.
X = PENGALAMAN KERJA (TAHUN)
Y = OMZET PENJUALAN (RIBUAN)

X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4
1. Buatkan persamaan garis regresinya Y’ = a + bX!
2. Berapa Omzet penjualan dari seorang karyawan yang
pengalaman kerjanya 10 tahun ?
3. Jika diinginkan omzet penjualan Rp.15.000
perusahaan harus mencari karyawan yang
berpengalam berapa tahun?
PENYELESAIAN
X Y X2 XY
2 5 4 10
3 8 9 24
2 8 4 16
5 7 25 35
6 11 36 66
1 3 1 3
4 10 16 40
1 4 1 4
24 56 96 198
1. Menentukan Persamaan Regresi
 Tentukan nilai a terlebih dahulu
(Y
 ) (X2 )
a= (X ) (XY )
(n)(X 2 )  (X ) 2

(56) (96)  (24) (198)

(8) (96)  (24) (24)
5.376  4.752 576
624
768  192 

3,25
  Tentukan nilai b

(n) (XY  (X ) (Y )

)
b=
(n) 2 )  (X )2
(X
(8) (198)  (24) (56)
(8) (96)  (24) (24)

1.584 1.344

240
 1,25
768  576 192
 Berdasarkan perhitungan diperoleh: Nilai a
= 3,25 dan
Nilai b = + 1,25
Maka persamaan regresinya adalah:

Y  a  bX
'

Y = 3,25 + 1,25 X
Keterangan:
Y = omzet penjualan
3,25 = besarnya omzet penjualan jika pengalaman kerja 0 tahun 1,25
= perubahan/ pertambahan omzet penjualan jika pengalaman
kerja bertambah satu tahun
X = pengalaman kerja
2) Jika diketahui pengalaman kerja karyawan= 10 tahun tentukan
prediksi omzet penjualannya!
 Jawab:

Y’ = 3,25 + 1,25X
= 3,25 + 1,25 (10)
= 3,25 + 12,5
= 15,75
Berdasararkan perhitungan tersebut jika pengalaman kerja 10 tahun diprediksi omzet
penjualan sebesar Rp. 15.750 (15,75 x 1000  berdasar contoh soal satuan dalam ribuan)
•