ANALISIS KORELASI DAN

REGRESI LINEAR
SEDERHANA
 PENTINGNYA ANALISIS
HUBUNGAN

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan

hubungan dengan orang lain. Hubungan itu pada umumnya
dilakukan dengan maksud tertentu seperti mendapat
keringanan pajak, memperoleh kredit, meminjam uang,
serta minta pertolongan/bantuan lainnya.
Seperti kita ketahui, pada semua kejadian, baik kejadian
ekonomi maupun lainnya, pasti ada faktor yang
menyebabkan terjadinya kejadian-kejadian tersebut
(merosotnya hasil penjualan tekstil mungkin disebabkan
karena kalah bersaing dengan tekstil impor, merosotnya
produksi padi mungkin karena pupuknya berkurang, dan
lain sebagainya)
Uraian slide tadi menunjukkan adanya hubungan (korelasi)
antara kejadian yang satu dengan kejadian lainnya.
Kejadian itu dapat dinyatakan dengan perubahan nilai
variabel.

Hubungan antara dua kejadian dapat dinyatakan dengan

hubungan dua variabel.

Di dalam bab ini kita hanya membahas hubungan linear antara

dua variabel X dan Y.

Apabila dua variabel X dan Y mempunyai hubungan, maka

nilai variabel X yang sudah diketahui dapat dipergunakan
untuk memperkirakan/menaksir Y. Peramalan pada
dasarnya merupakan perkiraan/taksiran mengenai
terjadinya suatu kejadian.
Variabel Y yang nilainya akan diramalkan disebut varibel
tidak bebas, sedangkan varibel X yang nilainya
dipergunakan untuk meramalkan nilai Y disebut variabel
bebas atau variabel peramal dan seringkali disebut
variabel yang menerangkan. Jadi, jelas analisis korelasi ini
memungkinkan kita untuk mengetahui sesuatu di luar hasil
penyelidikan.

Salah satu cara untuk melakukan peramalan adalah dengan

menggunakan garis regresi.
 KOEFISIEN KORELASI DAN
KEGUNAANNYA
Hubungan dua variabel ada yang positif dan negatif.
Hubungan X dan Y dikatakan positif apabila kenaikan
(penurunan) X pada umumnya diikuti oleh kenaikan
(penurunan) Y.

Sebaliknya dikatakan negatif kalau kenaikan (penurunan) X

pada umumnya diikuti oleh penurunan (kenaikan) Y.
Koefisien korelasi (x dan y) mempunyai hubungan positif

16

14

12

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13
Koefisien korelasi (x dan y) mempunyai hubungan negatif

16

14

12

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Jadi, kalau variabel X dan Y ada hubungan, maka
bentuk diagram pencarnya adalah mulus/teratur.

Apabila bentuk diagram pencar tidak teratur, artinya

kenaikan/penurunan X pada umumnya tidak diikuti
oleh naik turunnya Y, maka dikatakan X dan Y tidak
berkorelasi.
Koefisien korelasi (x dan y) tidak mempunyai hubungan atau
hubungan lemah sekali
Y Y

atau

0 X 0 X
Kuat dan tidaknya hubungan antara X dan Y apabila dapat dinyatakan
dengan fungsi linear(paling tidak mendekati), diukur dengan suatu nilai
yang disebut koefisien korelasi. Nilai koefisien korelasi ini paling sedikit
1 dan paling besar +1.

Jadi jika r = koefisien korelasi, maka r dapat dinyatakan sebagai berikut :

-1 r +1

Kuat (-) Kuat (+)

-1 +1

Lemah (-) Lemah (+)

Jika r =+1, hubungan X dan Y sempurna dan positif,

r = -1, hubungan X dan Y sempurna dan negatif,
r mendekati +1, hubungan sangat kuat dan positif,
r mendekati 1, hubungan sangat kuat dan negatif.
Disini X dikatakan mempengaruhi Y, jika berubahnya nilai X
akan menyebabkan perubahan nilai Y

Akan tetapi, naik turunnya Y adalah sedemikian rupa

sehingga nilai Y bervariasi, tidak semata-mata disebabkan
oleh X, karena masih ada faktor lain yang
menyebabkannya. Jadi untuk mengetahui berapa besar
kontribusi dari X terhadap naik turunnya nilai Y maka harus
dihitung dengan koefisien penentuan.
Kalau koefisien penentuan ditulis KP, maka untuk menghitung
KP digunakan rumus berikut : KP = r2

Cara menghitung r adalah sebagai berikut:

n
xi yi
r i 1
( 7.2 )
n 2 n 2
xi yi
i 1 i 1
 atau ( 7.3 )

n n n
n X iYi X i Yi
r i 1 i 1 i 1
n 2 n 2 n 2 n 2
n X i X i Yi Yi

i 1 i 1 i 1 i 1
Kedua rumus diatas disebut koefisien korelasi Pearson
Contoh 7.1

X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
Tabel 7.2

X Y X X Y Y x2 y2 xy
(x) (y)
1 2 -5,25 -5,75 27,5625 33,0625 30,1875
2 4 -4,25 -3,75 18,0625 14,0625 15,9375
4 5 -2,25 -2,75 5,0625 7,5625 6,1875
5 7 -1,25 -0,75 1,5625 0,5625 0,9375
7 8 0,75 0,25 0,5625 0,0625 0,1875
9 10 2,75 2,25 7,5625 5,0625 6,1875
10 12 3,75 4,25 14,0625 18,0625 15,9375
12 14 5,75 6,25 33,0625 39,0625 35,9375
X i 50 Y 62
i xi 0 yi 0 x
i
2
107,5 yi
2
117,5 x y
i i 111,5

X 6,25 Y 7,75
 8

x y i i
r i 1
8 8

x y
i 1
2
i
i 1
2
i

111,5
r 0,99
107,5 x 117,5

KP r 2 0,99 0,9801 x 100% 98%

2
Tabel 7.3

X Y X2 Y2 XY

1 2 1 4 2
2 4 4 16 8
4 5 16 25 20
5 7 25 49 35
7 8 49 64 56
9 10 81 100 90
10 12 100 144 120
12 14 144 196 168
X i 50 Yi 62 X i 420
2
Y
i
2
598 X Y
i i
2
499
 8 8 8
n X iYi X i Yi
r i 1 i 1 i 1
2 2
8
8 8
8

8 X X i
i
2
Yi Yi
2

i 1 i 1 i 1 i 1

8499 5062
r 0,99
8420 50 x 8598 62
2 2
Contoh 7.2

X 2 4 5 6 8 10 11 13 14 15
Y 15 14 12 10 9 8 6 4 3 2
Tabel 7.5

X Y X2 Y2 XY
2 15 4 225 30
4 14 16 196 56
5 12 25 144 60
6 10 36 100 60
8 9 64 81 72
10 8 100 64 80
11 6 121 36 66
13 4 169 16 52
14 3 196 9 42
15 2 225 4 30
X i 88 Y 83
i X i 956
2
Yi 875
2
X Y 548
i i
 10 10 10
10 X iYi X i Yi
r i 1 i 1 i 1
2 2
10
10 10
10

10 X X i
i
2
Yi Yi
2

i 1 i 1 i 1 i 1

10548 8883
r 0,99
10956 88 x 10875 83
2 2
Tabel 7.6

Tahun Pengeluaran Pendapatan Nasional Produksi Domestik Pembentukan

Konsumen Rumah Per Kapita Bruto atas Moda Tetap
Tangga atas Atas Biaya Faktor Dasar Domestik Domestik Bruto
Harga yang Produksi yang Harga yang Atas dasar Harga
Berlaku Berlaku Berlaku Yang Berlaku
(Rp) (Rp) (Milyar Rp) (Milyar Rp)
(1) (2) (3) (4) (5)

1978 15.184,5 19.367,6 22.746,0 4.670,7

1979 19.513,7 27.146,8 32.025,4 6.704,3

1980 27.502,9 38.838,3 45.445,7 9.485,2

1981 35.560,0 46.838,1 54.027,0 11.553,4

1982 41.670,3 51.666,5 59.632,6 13.467,1

1983 44.739,3 65.513,5 73.698,6 18.973,8

1984 51.100,3 77.728,3 87.535,5 19.805,9

1985 54.600,3 84.694,4 96.066,4 19.613,5

 Pendapatan Pengeluaran
Nasional Per Kapita Konsumen Rumah
Atas Biaya Faktor Tangga atas
Produksi yang Harga yang
Berlaku Berlaku
(Rp) (Rp)
X Y X2 Y2 XY

(1) (2) (3) (4) (5)

19 15 361 225 285

27 20 719 400 540

39 28 1.521 784 1.092

47 36 2.209 1.296 1.692

52 42 2.704 1.764 2.184

66 45 4.356 2.025 2.970

78 51 6.084 2.601 3.978

85 55 7.225 3.025 4.675

X i 413 Y 292 X
i i
2
25.189 Yi 12.120
2
X Y 17.416
i i
 8 8 8
n X iYi X i Yi
r i 1 i 1 i 1
2 2
8
8 8
8

8 X X i
i
2
Yi Yi
2

i 1 i 1 i 1 i 1

817.416 413292
r 0,98
825.189 413 x 812.120 292
2 2
 KOEFISIEN KORELASI DATA
BERKELOMPOK
Rumus untuk menghitung koefisien korelasi yang sudah
dibahas sebelumnya adalah untuk data yang tidak
berkelompok (data yang belum disajikan dalam bentuk
tabel frekuensi, dengan menggunakan kelas-kelas atau
kategori-kategori). Untuk data yang berkelompok
rumusnya adalah sebagai berikut :
 n uvf uf u vfv
r
2
n u f u uf u n v f v vfv 2
2 2

( 7.4 )
Rumus untuk menghitung koefisen korelasi bagi data
berkelompok penting sekali sebab dalam praktek,
misalnya di dalam suatu penelitian, hasil data yang
diperoleh sudah disajikan dalam bentuk data
berkelompok dengan interval kelas yang sama.
Tabel 7.9

Matematika 40-49 50-59 60-69 70-79 80-89 90-99 Jumlah

Statistika
1 2 3 4 5 6 7 8
90 99 2 4 4 10
80 89 1 4 6 5 16
70 79 5 10 8 1 24
60 69 1 4 9 5 2 21
50 59 3 6 6 2 17
40 49 3 5 4 12
Jumlah 7 15 25 23 20 10 100
 Tabel 7.10

Kelas Nilai Nilai u fu Kelas Nilai Nilai v fv

Matematika Tengah Statistika Tengah
(X) (X)
1 2 3 4 1 2 3 4
40 49 44,5 -2 7 90 99 94,5 2 10
50 59 54,5 -1 15 80 89 84,5 1 16
60 69 64,5 0 25 70 79 74,5 0 24
70 79 74,5 1 23 60 69 64,5 -1 21
80 89 84,5 2 20 50 59 54,5 -2 17
90 - 99 94,5 3 10 40 - 49 44,5 -3 12
Tabel 7.12

I II III IV V
v fv vfv v2fv uvf
2 4 4 2 10 20 40 44
1 4 6 5 1 16 16 16 31
5 10 8 1 0 24 0 0 0
1 4 9 5 2 -1 21 -21 21 -3
3 6 6 2 -2 17 -34 68 20
3 5 4 -3 12 -36 108 33
VI u -2 -1 0 1 2 3 100 -55 253 125
VII fu 7 15 25 23 20 10 100
VIII ufu -14 -15 0 23 40 30 64
IX u2fu 28 15 0 23 80 90 236
X uvf 32 31 0 -1 24 39 125
 v uvf
2 4 4 2 44
f 1 4 6 5 1 31
5 10 8 1 0 0
1 4 9 5 2 -1 -3
3 6 6 2 -2 20
3 5 4 -3 33
u -2 -1 0 1 2 3 125

uvf uf v
12 24 342
2 8 122
44
 v
2 4 4 2
f 1 4 6 5 1
5 10 8 1 0
1 4 9 5 2 -1
3 6 6 2 -2
3 5 4 -3
u -2 -1 0 1 2 3

uvf 122 224 324 011 114

216 ................0 34
125
Dari tabel korelasi di atas dapat di ikhtisarkan hasil sbb:

n 100 ufu 64 fu 236

u 2

uvf 125 vfv 55 f v 253

v 2

n uvf uf u vfv
r
2

n u f u uf u
2

n v f v vfv
2 2

100125 64 55
r 0,7686 ~ 0,77
100236 64 100253 55
2 2
Prosedur pembuatan tabel korelasi (distribusi frekuensi
dua variabel) adalah sbb:

1. Menentukan jangkauan kedua variabel (var. X dan Y)

r = Data terbesar Data terkecil
2. Menentukan banyaknya kelas kedua var. tsb.
k = 1 + 3,322 log n
3. Menentukan
r
panjang interval kelas kedua var. tsb
i= k
4. Menentukan batas bawah kelas pertama dari kedua var. itu
Batas bawah kelas pertama diambil dari data terkecil atau
data terkecil hasil pelebaran jangkauan
5. Menempatkan kelas untuk var. X pada kolom tabel dan
kelas untuk var. Y pada baris tabel
X Y (ribu Rp) X Y (ribu Rp) X Y (ribu Rp)
49 878 66 1.403 61 1.073
94 1.690 88 1.605 86 1.858
56 1.318 58 842 65 1.612
30 818 49 768 47 726
61 867 87 2.048 85 1.509
64 978 82 1.388 47 680
39 1.045 39 672 60 1.088
67 763 51 915 45 1.106
70 1.194 26 440 96 1.454
38 874 83 1.958 57 815
71 923 50 819 60 1.263
42 850 49 1.219 57 1.295
60 738 48 890 37 957
55 1.087 65 699 42 904
31 758 51 808 72 1.219
35 799 52 746 39 424
17 753 48 753
Penyelesaian:

1. Jangkauan variabel X = 96 17 = 79
Jangkauan variabel Y = 2.048 424 = 1.624
2. Jumlah kelas :
k = 1 + 3,322 log 50
= 1 + 3,322 (1,699)
= 1 + 5,6 = 6,6 = 7 (dibulatkan)
3. Interval kelas variabel X (persentase penduduk nonpetani)
79
i = 6,6 = 11,97 = 12
Interval kelas variabel Y
1.624
I = 6,6 = 246.06 = 250
4. Batas bawah kelas pertama untuk var. X = 15
5. Batas bawah kelas pertama untuk var. Y = 400
 PPNT (X) 15-26 27-38 39-50 51-62 63-74 75-86 87-98
PKT (Y)

400 649 1 1 2

650 899 1 4 9 6 2 22

900 1.149 1 3 4 2 10

1.150 1.399 1 3 2 1 7

1.400 1.649 2 1 2 5

1.650 1.899 1 1 2

1.900 2.149 1 1 2

Jumlah 2 6 13 13 8 4 4 50
 KORELASI RANK (PERINGKAT)
Koefisien korelasi rank adalah indeks angka-angka yang
dipakai untuk mengukur keeratan(erat atau tidaknya)
korelasi antara dua variabel yang didasarkan atas ranking
(tingkatan). Koefisien korelasi rank dirumuskan :

6 d 2

rrank 1 i

n n 1
2

Tabel 7.15

Nomor Merek Rank dari Rank dari

Urut Rokok Joni Tono
(1) (2) (3) (4)
1 Kansas 9 8
2 Jarum 5 3
3 555 10 9
4 Bentoel 1 2
5 Mascot 8 7
6 Marlboro 7 10
7 Salem 3 4
8 Kent 4 6
9 Gudang Garam 2 1
10 Dunhill 6 5
Tabel 7.16

Rank Tono 8 3 9 2 7 10 4 6 1 5
Rank Joni 9 5 10 1 8 7 3 4 2 6
Selisih rank (d) -1 -2 -1 1 -1 3 1 2 -1 -1
d2 1 4 1 1 1 9 1 4 1 1

6 d i2
rrank 1

n n2 1
61 4 1 ... 1
1 1 0,1455 0,85
10100 1
Tabel 7.17

Nama Nilai Rank Hasil Penjualan Rank Selisih

Ujian Tahun Pertama Rank
(ribuan rupiah)
X Y d d2
(1) (2) (3) (4) (5) (6) (7)
Amin 48 3 312 2 1 1
Joni 32 6 164 8 -2 4
Tono 40 5 280 4 1 1
Amir 34 7 196 7 0 0
Ahmad 30 8 200 6 2 4
Paulus 50 1,5 288 3 -1,5 2,25
Purwanto 26 9 146 10 -1 1
Bambang 50 1,5 361 1 0,5 0,25
Jatmiko 22 10 149 9 1 1
Aryo 43 4 252 5 -1 1
 Tabel 7.18

X Rank Y Rank d d2
(X) (Y)
(1) (2) (3) (4) (5) (6)

63 1 478 1 0 0

80 6 643 8 -2 4

78 5 620 6 -1 1

67 2 514 2 0 0

83 7 597 5 2 4

90 8 635 7 1 1

75 4 579 3 1 1

72 3 593 4 -1 1

Nilai yang paling rendah di beri rank 1 dan yang paling besar di beri rank 8
Perhitungan koefisien korelasi dengan menggunakan rumus
koefisien korelasi rank Spearman (7.5) jauh lebih
sederhana dibandingkan rumus product moment dari
Pearson (7.2 dan 7.3), sebab dengan menggunakan rank
angka-angkanya menjadi lebih kecil, sedangkan hasil
perhitungan adalah sama atau sangat mendekati.
KORELASI DATA KUALITATIF
Korelasi data kualitatif digunakan untuk data kualitatif yaitu
data yang tidak berbentuk angka-angka, tetapi berupa
kategori-kategori.

Untuk data kualitatif yang dipergunakan dalam mengukur

kuatnya hubungan disebut Contingency Coefficient
(koefisien bersyarat) yang mempunyai sama seperti
koefisien korelasi.
Koefisien bersyarat (Cc), dipergunakan untuk mengukur
kuatnya hubungan data kualitatif yang mempunyai arti
seperti koefisien korelasi, dimana nilai Cc sebesar nol,
yang berarti tidak ada hubungan.
Akan tetapi, batas atas Cc tidak sebesar satu, tergantung
atau sebagai fungsi banyaknya kategori (baris atau kolom).
Batas tertinggi nilai Cc ialah r 1 / r , dimana nilai r ialah
banyaknya baris atau kolom. Kalau banyaknya baris tidak
sama dengan banyaknya kolom, pilih nilai yang terkecil.
Adapun untuk menghitung nilai koefisien
bersyarat (Cc) digunakan rumus :
2
Cc
2 n

p q p q p q
n f ij ni. n. j nij
i 1 j 1 i 1 j 1 i 1 j 1

2
p q

f
ij e
ij
2

i 1 j 1 eij
Tabel 7.19

1 2 j q
(1) (2) (3) (4) (5) (6) (7) (8)
1 f11 f12 f1j f1q n1.
(e11) (e12) (e1j) (e1q)
2 f21 f22 f2j f2q n2.
(e21) (e22) (e2j) (e2q)

i fi1 fi2 fij fiq ni.

(ei1) (ei2) (eij) (eiq)

p fp1 fp2 fpj fpq np.

(ep1) (ep2) (epj) (epq)
n.1 n.2 n.j n.q n
 ni. n. j
eij
n

Kalau nilai perbandingan Cc dengan batas tertinggi < 0,5 maka

hubungan lemah,
terletak antara 0,5 dan 0,75 maka hubungan sedang/cukup,
antara 0,75 dan 0,90 maka hubungan kuat,
antara 0,90 dan 1 hubungan sangat kuat,
sama dengan 1 maka hubungan sempurna.
Tabel 7.20

Pendidikan Konsumsi
Kurang Cukup Sangat cukup
(1) (2) (3) (4)
Tidak tamat SLA 82 65 12
Tamat SLA 59 112 24
Pernah masuk 37 94 42
Perguruan Tinggi
Tabel 7.21

1 2 3 Jumlah

(1) (2) (3) (4) (5)

1 82 65 12 n1. = 159
(53,70) (81,76) (23,53)
2 59 112 24 n2. = 195
(65,86) (100,28) (28,86)
3 37 94 42 n3. = 173
(58,43) (88,96) (25,61)
Jumlah n.1 = 178 n.2 = 271 n.3 = 78 n = 527
 n1 n1 159178
e11 53,70
n 527

2
3 3 f ij eij
2

f11 e11 f12 e12 f13 e13
2

2

2
...
f 33 e33
2

i 1 j 1 eij e11 e12 e13 e33

2
82 53,70 2

65 81, 76 2
...
42 25,612

53,70 81,76 25,61

2

28,30 16,76
2

2
...
16,39
2

53,70 81,76 25,61

2 45,54
Batas atas
r 1 3 1 0,82
r 3
Cc
2

45,54
Perbandingan Cc dengan batas atas
0,28 0,34
2 n 45,54 527 0,82
Cc 0,28 Karena 0,34 0,50 maka
hubungan dikatakan lemah
 TEKNIK RAMALAN DAN
ANALISIS REGRESI
Tujuan utama materi ini adalah bagaimana menghitung
suatu perkiraan atau persamaan regresi yang akan
menjelaskan hubungan antara dua variabel.
 Diagram Pencar

Setelah ditetapkan bahwa terdapat hubungan logis di

antara variabel, maka untuk mendukung analisis lebih
jauh, barangkali tahap selanjutnya adalah menggunakan
grafik.

Grafik ini disebut diagram pencar, yang menunjukkan titik-

titik tertentu. Setiap titik memperlihatkan suatu hasil yang
kita nilai sebagai varibel tak bebas maupun bebas.
Diagram pencar ini memiliki 2 manfaat, yaitu :
- membantu menunjukkan apakah terdapat hubungan
yang bermanfaat antara dua variabel,
- dan membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel tersebut.
Tabel 7.24

Karyawan Hasil Produksi Skor Tes

(lusin) Kecerdasan
(Y) (X)
A 30 6

B 49 9

C 18 3

D 42 8

E 39 7

F 25 5

G 41 8

H 52 10
Karyawan Hasil Produksi Skor Tes
Diagram Pencar
(lusin) Kecerdasan
(Y) (X)
60
A 30 6
55
B 49 9
50
C 18 3
D 42 8 45

Hasil Produksi (lusin)

E 39 7 40
F 25 5
35
G 41 8
30
H 52 10
25

20

15

10

0
0 1 2 3 4 5 6 7 8 9 10 11
Hasil Tes Kecerdasan
 Persamaan Regresi Linear

Regresi merupakan suatu alat ukur yang juga digunakan

untuk mengukur ada atau tidaknya korelasi
antarvariabelnya.

Istilah regresi itu sendiri berarti ramalan atau taksiran.

Persamaan yang digunakan untuk mendapatkan garis

regresi pada data diagram pencar disebut persamaan
regresi.
Untuk menempatkan garis regresi pada data yang diperoleh
maka digunakan metode kuadrat terkecil, sehingga
bentuk persamaan regresi adalah sebagai berikut:

Y = a + b X

Kesamaan di antara garis regresi dan garis trend tidak

dapat berakhir dengan persamaan garis lurus. Garis
regresi (seperti garis trend dan nilai tengah aritmatika)
memiliki dua sifat matematis berikut :
 (Y Y) = 0

dan (Y Y)2 = nilai terkecil atau terendah

Dengan perkataan lain, garis regresi akan ditempatkan

pada data dalam diagram sedemikian rupa sehingga
penyimpangan (perbedaan) positif titik-titik terhadap
titik-titik pencar di atas garis akan mengimbangi
penyimpangan negatif titik-titik pencar yang terletak di
bawah garis, sehingga hasil penyimpangan keseluruhan
titik-titik terhadap garis lurus adalah nol.
Untuk tujuan diatas, perhitungan analisis regresi dan
analisis korelasi dapat dipermudah dengan
menggunakan rumus dalam bentuk penyimpangan nilai
tengah variabel X dan Y, yaitu penyimpangan dari

X dan Y
Oleh karena itu, dapat digunakan simbol berikut ini :

x X X
y Y Y
dan xy X X Y Y
Nilai dari a dan b pada persamaan regresi dapat dihitung
dengan rumus berikut :

b
xy i i
( 7.7 )
x 2
i

n X iYi X i Yi
b ( 7.8 )
n X X i
2 2
i

a Y bX ( 7.9 )
Tabel 7.25

Karyawan Hasil Produksi Skor Tes y x xy x2 y2

(lusin) (Y) (X) Y Y X X
A 30 6 -7 -1 7 1 49

B 49 9 12 2 24 4 144

C 18 3 -19 -4 76 16 361

D 42 8 5 1 5 1 25

E 39 7 2 0 0 0 4

F 25 5 -12 -2 24 4 144

G 41 8 4 1 4 1 16

H 52 10 15 3 45 9 225

296 56 0 0 185 36 968

Y
Y 296
37 X
X

56
7
N 8 N 8
 xy
Diagram Pencar
185
b 5,138 ~ 5,14
x
60
2
36 55

50
45

Hasil Produksi (lusin)

40

a Y b X 37 5,147 1,02 35

30

25

20

15

Y ' 1,02 5,14 X

10

0
0 1 2 3 4 5 6 7 8 9 10 11

X 3 Y ' 1,02 5,143 16,44

Hasil Tes Kecerdasan

X 5 Y ' 1,02 5,145 26,72

X 6 Y ' 1,02 5,146 31,86
X 10 Y ' 1,02 5,1410 52,42
Tabel 7.26
X Y X2 Y2 XY X X Y Y
(x) x2 (y) xy
(1) (2) (3) (4) (5) (6) (7) (8) (9)

19 15 361 225 285 -32,62 1.064,06 -21,5 701,33

27 20 719 400 540 -24,62 606,14 -16,5 406,23

39 28 1.521 784 1.092 -12,62 159,26 -8,5 107,27

47 36 2.209 1.296 1.692 -4,62 21,34 -0,5 2,31

52 42 2.704 1.764 2.184 0,38 0,14 5,5 2,09

66 45 4.356 2.025 2.970 14,38 206,78 8,5 122,23

78 51 6.084 2.601 3.978 26,38 695,90 14,5 382,51

85 55 7.225 3.025 4.675 33,38 1.114,22 18,5 617,53

X i 413 Y 292 X i 2 Y
i i
2
X Y
i i x i
2
x y
i i

X 51,62 Y 36,50 25.189 12.120 17.416 3.867,84 2.341,50

( 7.7 ) b
xy i i

x 2
i

2.341,50
b 0,61
3.867,84

n X iYi X i Yi 817.416 413292

( 7.8 ) b 0,61
n X i2 X i 825.189 413
2 2

a Y bX
( 7.9 )
a 36,50 0,6151,62 5,01

Jadi persamaan garis regresi Y = 5,01 + 0,61 X

Tahun X Y X2 XY
Ribuan milyar Milyar rupiah
rupiah
(1) (2) (3) (4) (5)

1979 32,025 5.301,6 1.025,6006 169.783,7400

1980 45,446 8.077,9 2.065,3389 367.108,2434

1981 54,027 11.720,9 2.918,9167 633.245,0643

1982 59,633 13.921,6 3.556,0947 830.186,7728

1983 73,698 14.358,3 5.431,3952 1.058.177,9934

1984 87,536 18.315,1 7.662,5513 1.603.230,5936

1985 96,066 19.383,5 9.228,6764 1.862.095,3110

Jumlah 448,431 91.078,9 31.888,5738 6.523.827,7160

 n X iYi X i Yi
b
n X X i
2 2
i

76.523.827,7160 448,43191.078,9
b 217,997
731.888,5738 448,431
2

a Y bX
a 13.011,271 217,99764,062 954,053

Y ' a bX
Y ' 954,053 217,997 X
Penggunaan Persamaan Regresi
dalam Peramalan

Tujuan utama penggunaan persamaan regresi adalah

untuk memperkirakan nilai dari variabel tak bebas pada
nilai variabel bebas tertentu. Tentu saja, tidak mungkin
untuk mengatakan dengan tepat.

Y ' 1,02 5,14 X

X 4 Y ' 1,02 5,144 21,58