1
PENGERTIAN ANALISIS KORELASI
Analisis Korelasi
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
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
10
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
11
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Rumus koefisien korelasi
12
PENGERTIAN KOEFISIEN DETERMINASI
Koefisien Determinasi
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
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
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 hubungan antara volume ekspor dan nilai kurs USD dapat digambarkan
sebagai berikut:
24
Analisis Regresi dan Korelasi Linier 15
25
Analisis Regresi dan Korelasi Linier 15
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
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
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
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:
41
Analisis Regresi dan Korelasi Linier 16
42
Analisis Regresi dan Korelasi Linier 16
43
Analisis Regresi dan Korelasi Linier 16
OUTLINE
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
46
Analisis Regresi dan Korelasi Linier 16
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
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
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)
52
Analisis Regresi dan Korelasi Linier 16
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET DAN HARGA SAHAM
PERBANKAN
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