Dalam banyak kegiatan kehidupan, ada kalanya seseorang melihat kondisi yang akan datang
berdasarkan dengan keadaan sekarang. Dalam hal ini seseorang tersebut melakukan prediksi
(ramalan ) atau regresi.
Prediksi dan korelasi sangat erat hubungannya. Jika ditemukan korelasi r=0 antara dua
variabel x dan y, dapat dikatakan tak ada hubungan di antara kedua variable tersebut. Artinya
dengan mengetahui variabel x, tak dapat mengetahui variabel y. Jadi dalam memprediksi x dan y
atau y dari x hanya bisa diterka saja. Sebaliknya, jika korelasi x dan y ≠ 0, maka jika x diketahui,
maka juga akan tahu y dan sebaliknya. Semakin besar nilai korelasi antara x dan y, semakin besar
pula prediksi y dari x atau sebaliknya.
Dalam melakukan prediksi, harus dapat ditentukan dengan tegas mana variable sebab dan
mana variable akibat. Perlu juga diketahui, prediksi bukan merupakan suatu hal yang pasti, tetapi
merupakan suatu keadaan yang mendekati kebenaran.
1. Regresi Linier
Regresi linier memprediksi satu variabel terikat (dependent variable) berdasarkan satu atau
lebih variabel bebas (independent variabel). Variabel terikat biasanya diberi notasi Y, sedang
variabel bebas notasinya X, sehingga bentuk hubungan yang dicari adalah regresi y atas x.
Misalnya regresi prestasi belajar (Y) atas intelegensi (X). Maka persamaan regresi matematisnya
adalah: Y = a + b (X)
Koefisien a dan b dapat dihitung berdasarkan hasil pengamatan terhadap X dan Y, yaitu dengan
memasangkan data/skor intelegensi (X) dengan data/skor prestasi belajar (Y). Seperti terlihat pada
tabel dibawah.
Untuk menghitung koefisien a dan b dengan rumus
(y )( x 2 ) (x )( xy)
a
nx 2 (x ) 2
nxy (x )( y )
b
nx 2 (x ) 2
Contoh:
Regresi prestasi belajar Y atas tes seleksi masuk X
No. X Y XY X² Y²
Subjek
1 2 3 6 4 9
2 3 3 9 9 9
3 3 4 12 9 16
4 2 4 8 4 16
5 3 4 12 9 16
6 4 4 16 16 16
7 2 3 6 4 9
8 3 4 12 9 16
9 3 3 9 9 9
10 2 2 4 4 4
N = 10 ΣX=27 ΣY=34 ΣXY=94 ΣX²=77 ΣY²=120