Hubungan dua variabel :positif atau negatif.

Hubungan X dan Y dikatakan positif apabila kenaikan

(penurunan) X pada umumnya diikuti oleh kenaikan
(penurunan) Y.

Hubungan X dan Y dikatakan negatif apabila 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
16

14

12

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13
 Koefisien korelasi (x dan y) sama dengan nol (tidak
mempunyai hubungan atau hubungan lemah sekali)
Y Y

atau

0 X 0 X
Kuat dan tidaknya hubungan antara X dan Y diukur dengan suatu
nilai yang disebut koefisien korelasi , -1   +1.
Karena  (yang diperoleh dari populasi) seringkali tidak diketahui,
maka diestimasi berdasarkan sampel, r

-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.
No Xi Yi Xi Y i Xi 2 Yi2

1 X1 Y1 X1Y1 X12 Y12

2 X2 Y2 X2Y2 X22 Y22

3 X3 Y3 X3Y3 X32 Y32

… … … … … …

n Xn Y3 XnYn Xn2 Yn2

n n n n

X Y X Y
n
total
 X iYi
2 2
i i i i
i 1 i 1 i 1 i 1
i 1

n n n
n X iYi   X i  Yi
r i 1 i 1 i 1
2 2
2   2  
n n n n
n X i    X i   Yi    Yi
i 1  i 1  i 1  i 1 
Contoh 1. Tentukanlah koefisien korelasi Pearson
variabel X dan Y, dari data berikut
X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
Jawab:
No X Y X2 Y2 XY
1 1 2 1 4 2
2 2 4 4 16 8
3 4 5 16 25 20
4 5 7 25 49 35
5 7 8 49 64 56
6 9 10 81 100 90
7 10 12 100 144 120
8 12 14 144 196 168
Total 50 62 420 598 499
n8  X i  50 Yi  62  X i  420
2
Y i
2
 598 X Yi 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 

8499   50 62 

r  0,99
8420   50  x 8598  62 
2 2
Konsep regresi linier merupakan konsep sebab-akibat,
artinya ada salah satu variabel (akibat) yang
bergantung pada variabel lain (sebab). Variabel
bergantung (dependent variable) atau variabel tak
bebas biasanya dinyatakan dengan y, sedangkan
variabel penyebab atau lebih dikenal dengan variabel
bebas (independent variable). Oleh karena itu dalam
model regresi, data yang diambil harus berpasangan.
 Mengkaji secara deskriptif hubungan antara X vs Y
 Setelah ditetapkan bahwa terdapat hubungan logis.
 Membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel
tersebut.
 Persamaan yang digunakan untuk mendapatkan
garis regresi pada data diagram pencar disebut
persamaan regresi.
Misalkan ada satu variabel tak bebas
(yi) dan satu.
variabel bebas (xi), 𝒊 =
𝟏, 𝟐, … , 𝒏:
,
𝒚𝒊 =  + 𝜷𝒙𝒊 + 𝜺𝒊
 Model Regresi linier sederhana

Misal a estimasi bagi  dan b etimai bagi 𝜷,

estimai bagi model regresinya adalah

Yˆ  a  bX

b
 ( x  x)( y  y )
i i
a  Y bX
 ( xi  x ) 2
i
atau n X Y   X  Y
b i i i i

n X   X 2 2
i i
Contoh 2. Dimisalkan akan dikaji pengaruh/hubungan skor
tes kecerdasan terhadap hasil produksi di ebuah
perusahaan A. Hasil pengamatan diperoleh data sbb.

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
Contoh Tabel 7.25

Karyawan (Y) (X) Y  Y  X  X  X  X Y  Y  (X- (Y-

Y  Y  Xbar)2 Y)^2
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
 Diagram Pencar

b
 ( x  x)( y  y )
i i
 185 / 36  5,138
60

55

 ( x  x)
50
2
45
i i

Hasil Produksi (lusin)

40

35

30

a  Y  b X  37  5,147   1,02
25

20

15

Yˆ  1,02  5,14 X
10

0
0 1 2 3 4 5 6 7 8 9 10 11
Arti dari model terseut Hasil Tes Kecerdasan

Jika X naik satu satuan maka Y naik sebesar 5,14 satuan

X  3  Yˆ  1,02  5,143  16,44

X  5  Yˆ  1,02  5,145  26,72
X  6  Yˆ  1,02  5,146  31,86
X  10  Yˆ  1,02  5,1410  52,42
 Statistik uji

Ho :    0
H1 :   0 atau    0 atau    0

b  0 sb2 
1
s2
t n
sb  i
x 2

i 1
 n ( x ) 2

(y i  yˆ i ) 2
s2  i 1
n2
 Jika t > t(,n-2), terdapat pengaruh signifikans
X thd Y