ANALISIS REGRESI DAN KORELASI LINIER

1
PENGERTIAN ANALISIS KORELASI

Analisis Korelasi

Suatu teknik statistika yang digunakan untuk mengukur

keeratan hubungan atau korelasi antara dua variabel.

2
 Analisa korelasi bertujuan untuk mengukur
"seberapa kuat" atau "derajat kedekatan"
suatu relasi yang terjadi antar variabel.
 Analisa regresi ingin mengetahui pola relasi
dalam bentuk persamaan regresi,
 Analisa korelasi ingin mengetahui kekuatan
hubungan tersebut dalam koefisien
korelasinya. Dengan demikian biasanya
analisa regresi dan korelasi sering dilakukan
bersama-sama.
 Langkah pertama dalam menganalisa relasi
antar variabel adalah dengan membuat
diagram pencar (scatter diagram) yang
menggambarkan titik-titik plot dari data yang
diperoleh. Diagram pencar ini berguna untuk
 membantu dalam melihat apakah ada relasi yang
berguna antar variabel,
 membantu dalam menentukan jenis persamaan
yang akan digunakan untuk menentukan
hubungan tersebut.
Linier positif Linier negatif
Curvelinier Tak tentu
Curvelinier positif Curvelinier negatif
HUBUNGAN POSITIF DAN NEGATIF

Hubungan Inflasi dan Suku Hubungan Produksi dan

Bunga (Korelasi Negatif) Harga Minyak Goreng
(Korelasi Positif)
35 700
30 600
25 500
20 400
15 300
10 200
5 100
0
0
2,01 9,35 12,55 10,33 637 740 722 781 849 881
Inflasi Harga Minyak Goreng

Gambar pertama menunjukkan hubungan antara Gambar kedua memperlihatkan

variabel inflasi dan suku bunga. Apabila dilihat
pada gambar saat inflasi rendah, maka suku bunga
tinggi dan pada saat inflasi tinggi, suku bunga
rendah. Gambar tersebut menunjukkan adanya
hubungan antara inflasi dan suku bunga yang
bersifat negatif.
hubungan yang positif antara variabel
produksi dan harga minyak goreng, yaitu
apabila harga meningkat, maka produksi
juga meningkat.
8
RUMUS KOEFISIEN KORELASI
Rumus koefisien korelasi tersebut dinyatakan sebagai berikut:

n ( �XY ) - ( �X ) ( �Y )
r =
�
n
� ( �X ) - ( �X )
2 2
��
n
�� ( �Y ) - ( �Y )
2 2
�
�
Di mana:
r : Nilai koefisien korelasi
åX : Jumlah pengamatan variabel X
åY : Jumlah pengamatan variabel Y
åXY : Jumlah hasil perkalian variabel X dan Y
(åX2) : Jumlah kuadrat dari pengamatan variabel X
(åX)2 : Jumlah kuadrat dari jumlah pengamatan variabel X
(åY2) : Jumlah kuadrat dari pengamatan variabel Y
(åY)2 : Jumlah kuadrat dari jumlah pengamatan variabel Y
n : Jumlah pasangan pengamatan Y dan X

9
 HUBUNGAN KUAT DAN LEMAHNYA SUATU KORELASI

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

10
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN

11
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Rumus koefisien korelasi

12
PENGERTIAN KOEFISIEN DETERMINASI

Koefisien Determinasi

Bagian dari keragaman total variabel terikat Y (variabel yang

dipengaruhi atau dependen) yang dapat diterangkan atau
diperhitungkan oleh keragaman variabel bebas X (variabel yang
memengaruhi atau independen).

n ( �XY ) - ( �X ) ( �Y )
2
Koefisien determinasi = r2
r2 =
�
n
� ( �X 2
-)(� ) �
X
2
�
n
�� ( �Y 2
- )
(� ) �
Y
2

n ( �XY ) - ( �X ) ( �Y )
r =
Koefisien korelasi = r
�
n
� ( �X 2
-)( � �
X )
2
�
n
�� ( �Y 2
- )
( � �
Y )
2

�
13
DEFINISI PERSAMAAN REGRESI

Persamaan Regresi

Suatu persamaan matematika yang mendefinisikan

hubungan antara dua variabel.

14
Apa itu Regresi Linier ?
• Regresi merupakan alat ukur yg digunakan untuk
mengetahui ada tidaknya korelasi antarvariabel.
• Analisis regresi lebih akurat dlm analisis korelasi karena
tingkat perubahan suatu variabel terhdp variabel lainnya
dpt ditentukan). Jadi pada regresi, peramalan atau
perkiraan nilai variabel terikat pada nilai variabel bebas
lebih akurat pula.
• Regresi linier adalah regresi yang variabel bebasnya
(variabel X) berpangkat paling tinggi satu. Utk regresi
sederhana, yaitu regresi linier yg hanya melibatkan dua
variabel (variabel X dan Y).
Contoh Penerapan Analisis Regresi
1. Analisis Regresi antara tinggi orang tua terhadap
tinggi anaknya.
2. Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan
barang.
4. Analisis Regresi antara tingkat upah terhadap
tingkat pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank
terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap
volume penjualan perusahaan.
Perbedaan mendasar antara korelasi dan
regresi ?
 Korelasi hanya  Regresi
menunjukkan menunjukkan
sekedar hubungan
hubungan. pengaruh.
 Dalam korelasi  Dalam regresi
variabel tidak terdapat istilah
ada istilah variabel tergantung
variabel (dependent) dan
tergantung variabel bebas
 Persamaan Regresi
Persamaan Regresi
linier Sederhana: n(å XY ) - (å X )( å Y )
b=
Y = a + bX +  n(å X 2 ) - ( å X ) 2
Y = Nilai yang diramalkan (dependent)
a = Konstansta
b = Koefesien regresi a=
å Y - b(å X )
X = Variabel bebas (independent) n
 = Nilai error
Contoh Kasus:
Seorang manajer pemasaran akan meneliti
apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di
Kabupaten WaterGold, untuk kepentingan
penelitian tersebut diambil 8 perusahaan
sejenis yang telah melakukan promosi.
Pemecahan

1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
 Apakah terdapat pengaruh positif biaya
promosi terhadap penjualan perusahaan ?
3. Hipotesis
 Terdapat pengaruh positif biaya promosi
terhadap penjualan perusahaan.
Persamaan Regresi
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094
 n(å XY ) - (å X )( å Y )
b=
n(å X 2 ) - (å X ) 2

8(15032) - (192)(609)
b= = 1,497
8(4902) - (192) 2

a=
å Y - b( å X )
n

(608) - 1,497 (192)

a= = 40,082
8

Y= 40,082 + 1,497X+e
Nilai Prediksi
 Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
 Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
 Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
 Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
 Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
 Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
 Analisis Regresi dan Korelasi Linier 15

SCATTER DIAGRAM UNTUK MEMBANTU MENARIK

GARIS REGRESI

Scatter diagram untuk hubungan antara volume ekspor dan nilai kurs USD dapat digambarkan
sebagai berikut:

24
 Analisis Regresi dan Korelasi Linier 15

CONTOH HUBUNGAN ANTARA PRODUKSI

DENGAN HARGA MINYAK KELAPA SAWIT
� = a+ bX
Y

25
 Analisis Regresi dan Korelasi Linier 15

CONTOH HUBUNGAN ANTARA PRODUKSI

DENGAN HARGA MINYAK KELAPA SAWIT
� = 6.076.119,73+14.648,79X
Y

26
Regresi Linear
2. Analisis Regresi Linear
Tugas:
Carilah persamaan regresi dan korelasi
dari data berikut:

X 3 4 5 6 7 8 9
Y 12 11 13 12 13 14 16
ANALISIS REGRESI DAN KORELASI BERGANDA
 PERSAMAAN UMUM
Rumus umum persamaan regresi sederhana:
Ŷ = a + bX

Rumus persamaan regresi dua variabel

independen:
Y = a + b1 X1 + b2 X2

Rumus persamaan regresi tiga variabel

independen:
Y = a + b1 X1 + b2 X2 + b3 X3

Rumus persamaan regresi k variabel

independen:
Y = a + b1 X1 + b2 X2 + b3 X3 + ... + bk Xk
 CONTOH PENERAPAN REGRESI
BERGANDA
Pengaruh harga dan pendapatan terhadap
permintaan minyak goreng.

Responden Permintaan Harga minyak (Rp Jumlah

minyak ribu/liter) pendapatan (Rp
(liter/bulan) juta/bulan)
Gita 3 8 10
Anna 4 7 10
Ida 5 7 8
Janti 6 7 5
Dewi 6 6 4
Henny 7 6 3
Ina 8 6 2
Farida 9 6 2
Ludi 10 5 1
Natalia 10 5 1
 CONTOH PENERAPAN REGRESI
BERGANDA
Pengaruh harga dan pendapatan terhadap
permintaan minyak goreng.

Y X1 X2 X1Y X2Y X12 X22 X1X2

3 8 10 24 30 64 100 80

4 7 10 28 40 49 100 70

5 7 8 35 40 49 64 56

6 7 5 42 30 49 25 35

6 6 4 36 24 36 16 24

7 6 3 42 21 36 9 18

8 6 2 48 16 36 4 12

9 6 2 54 18 36 4 12

10 5 1 50 10 25 1 5

10 5 1 50 10 25 1 5

∑=68 ∑=63 ∑=46 ∑=409 ∑=239 ∑=405 ∑=324 ∑=317

RUMUS
 Analisis Regresi dan Korelasi Linier 16

CONTOH: PENERAPAN REGRESI BERGANDA

Pengaruh harga dan pendapatan terhadap permintaan minyak goreng

maka persamaan regresinya dapat dinyatakan

Y = 15,086 – 1,015X1 – 0,41 X2
sebagai berikut:
38
Apakah pendapatan per minggu dan jumlah anggota keluarga
mempengaruhi pembelian barang per minggu?

Data pengeluaran 10 rumah tangga, untuk pembelian barang

per minggu (Y), pendapatan per minggu (X1), dan jumlah
anggota keluarga (X2)

X1 10 2 4 6 8 9 5 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 32 22 10 14 20 19

39
 Analisis Regresi dan Korelasi Linier 16

OUTLINE

Bagian III Statistik Induktif

Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan

Kegunaannya

Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan

Koefisien Regresi

Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi

Berganda, dan Korelasi Parsial

Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi

Berganda

Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Berganda
Asumsi dan Pelanggaran Asumsi
Analisis Regresi dan Korelasi Berganda
dalam Regresi Berganda

Regresi Berganda dalam Ekonomi dan

Fungsi, Variabel, dan Masalah dalam Keuangan
Analisis Regresi
40
 Analisis Regresi dan Korelasi Linier 16

KOEFISIEN DETERMINASI

Koefisien Determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan oleh
persamaan regresi (regression of sum squares—RSS) terhadap varian total (total sum of squares—
TSS). Besarnya koefisien determinasi dirumuskan sebagai berikut:

Varian yang diterangkan persamaan regresi (RSS)

R =
2

Varian Total (TSS)

41
Analisis Regresi dan Korelasi Linier 16

RUMUS KOEFISIEN KORELASI SEDERHANA

42
 Analisis Regresi dan Korelasi Linier 16

RUMUS KOEFISIEN KORELASI PARSIAL

Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana

43
 Analisis Regresi dan Korelasi Linier 16

OUTLINE

Bagian III Statistik Induktif

Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan

Kegunaannya

Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan

Koefisien Regresi

Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi

Berganda, dan Korelasi Parsial

Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi

Berganda

Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Berganda
Asumsi dan Pelanggaran Asumsi
Analisis Regresi dan Korelasi Berganda dalam Regresi Berganda

Regresi Berganda dalam Ekonomi dan

Fungsi, Variabel, dan Masalah dalam Keuangan
Analisis Regresi
44
 Analisis Regresi dan Korelasi Linier 16
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)

Hipotesis yang ingin diuji adalah kemampuan variabel bebas

menjelaskan tingkah laku variabel terikat, apabila variabel
bebas tidak dapat memengaruhi variabel terikat dapat
dianggap nilai koefisien regresinya sama dengan nol, sehingga
berapa pun nilai variabel bebas tidak akan berpengaruh
1. Menyusun Hipotesis
terhadap variabel terikat. Persamaan pada contoh satu, yaitu Y
= 15,086 – 1,015X1 – 0,41 X2, variabel bebas X1, dan X2

dikatakan mampu memengaruhi Y apabila nilai koefisien b 1 dan

b2 tidak sama dengan nol, apabila sama dengan nol, maka

dikatakan tidak mampu memengaruhi variabel bebas Y.

45
 Analisis Regresi dan Korelasi Linier 16
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)

Untuk uji ini digunakan tabel F. untuk mencari nilai F-tabel perlu diketahui
derajat bebas pembilang pada kolom, derajat bebas penyebut pada baris, dan
taraf nyata. Diketahui ada tiga variabel , yaitu Y, X1, dan X2, jadi k=3, sedangkan
2. Menentukan daerah
jumlah n=10. Jadi derajat pembilang k ‒ 1=3 ‒ 1 = 2, sedangkan derajat
keputusan
penyebut n ‒ k= 10 ‒ 3 = 7 dengan taraf nyata 5%. Nilai F-tabel dengan derajat
pembilang 2, penyebut 7 dan taraf nyata 5% adalah 4,74

Derajat bebas pembilang

1 2 3 4 5 … 120 
1 161 200 216 225 230 … 253 254
Derajat bebas penyebut

2 18,5 19,0 19,2 19,2 19,3 … 19,5 19,5

3 10,1 9,55 9,28 9,12 9,01 … 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 … 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 … 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 … 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 … 3,27 3,23
… … … … … … … … …
 3,84 3,00 2,60 2,37 2,21 … 1,22 1,00

46
 Analisis Regresi dan Korelasi Linier 16
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)

Nilai F-hitung ditentukan dengan rumus sebagai berikut:

R 2 /( k - 1)
F=
( 1 - R 2 ) /( n - 3 )
3. Menentukan Dari soal diketahui bahwa R2 = 0,933 dan n = 10, sehingga nilai
nilai F-hitung F-hitung adalah:

0 ,933 /( 3 - 1)
F= = 0 ,4665 / 0 ,0096 = 48 ,73881
( 1 - 0 ,933) /( 10 - 3 )

47
 Analisis Regresi dan Korelasi Linier 16
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)

Terima H1
4. Menentukan
daerah keputusan F-Hitung= 48,74

Terima Ho

F-Tabel=4,74 Skala F

48
 Analisis Regresi dan Korelasi Linier 16
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)

Nilai F-hitung > dari F-tabel dan berada di daerah terima H 1. Ini
menunjukkan bahwa terdapat cukup bukti untuk menolak Ho dan
menerima H1. Kesimpulan dari diterimanya H1 adalah nilai koefisien
5. Memutuskan
regresi tidak sama dengan nol, dengan demikian variabel bebas dapat
Hipotesis
menerangkan variabel terikat, atau dengan kata lain variabel bebas
yaitu X1 dan X2 pengaruhnya secara bersama-sama nyata terhadap
variabel terikatnya, yaitu Y.

49
 Analisis Regresi dan Korelasi Linier 16

OUTLINE

Bagian III Statistik Induktif

Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan

Kegunaannya

Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan

Koefisien Regresi

Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi

Berganda, dan Korelasi Parsial

Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi

Berganda

Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Berganda
Asumsi dan Pelanggaran Asumsi
Analisis Regresi dan Korelasi Berganda dalam Regresi Berganda

Regresi Berganda dalam Ekonomi dan

Fungsi, Variabel, dan Masalah dalam Keuangan
Analisis Regresi
50
 Analisis Regresi dan Korelasi Linier 16
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN

Bersambung ke hlm
selanjutnya
51
 Analisis Regresi dan Korelasi Linier 16
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN

Y = a + b1X1 + b2X2
Di mana
Y : Keuntungan perusahaan (miliar/tahun)
X1 : Total aset (miliar/tahun)

X2 : Harga saham (rupiah/lembar)

52
 Analisis Regresi dan Korelasi Linier 16
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN

Hasil perhitungan dengan menggunakan komputer (Ms Excel atau SPSS)

53
 Analisis Regresi dan Korelasi Linier 16
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN

54
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN

Persamaan Y = ‒728,140 + 0,017X1 + 0,4X2 menyatakan bahwa aset (X1) dan (Y) berhubungan

positif. Hal ini berarti jika aset (X1) meningkat 1 miliar rupiah, maka keuntungan (Y) meningkat 0,017

miliar rupiah, dan sebaliknya. Variabel harga saham (X 2) dan keuntungan (Y) berhubungan positif

juga. Sehingga apabila harga saham (X 2) naik 1 rupiah, maka keuntungan perusahaan meningkat 0,4
miliar. Angka -728,140 merupakan konstanta yanng berarti apabila semua variabel bebas sama dengan
nol maka variabel terikatnya = -728,140

Nilai R2= 0,946 ini menunjukkan kemampuan variabel aset dan harga saham menjelaskan perilaku
keuntungan perusahaan sebesar 94,6% dan sisanya atau residu sebesar 6,4% dijelaskan oleh variabel
lain yang tidak dimasukkan dan diteliti dalam persamaan tersebut. Ini menunjukkan spesifikasi model
yang sangat baik, karena kemampuan menjelaskannya relatif besar yaitu sebesar 94,6%

55
TERIMA KASIH

56