STATISTIK

Nama : Ika Nonita IS

Kelas : 1B
NIM : 1932550115

http://www.free-powerpoint-templates-design.com
REGRESI KORELASI SEDERHANA

01 Pengertian

02 Persamaan Garis

03 Regresi Linier Sederhana

04 Koefisien Korelasi

05
05 Koefisien Determinasi
 Pengertian
Analisis Regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain. Terdapat 2
macam variabel :
1. Variabel Bebas (Independent Variabel), variabel yang mempengaruhi dan
dinyatakan dengan X
2. Variabel Tidak Bebas (Dependent Variabel), variabel yang dipengaruhi
dan dinyatakan dengan Y

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat

keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat
dibagi menjadi 3 kriteria, yaitu : mempunyai hubungan positif, hubungan
negatif, dan tidak mempunyai hubungan.
 Persamaan Garis
Persamaan Garis Regresi adalah bahwa antara variabel bebas (X) dengan
variabel tidak bebas (Y) mempunyai sifat hubungan sebab akibat. Didasarkan pada
teori, hasil penelitian sebelumnya, ataupun yang didasarkan pada penjelasan logis
tertentu.

Jenis-jenis Persamaan Regresi :

a. Regresi Linier : - Regresi Linier Sederhana
- Regresi Linier Berganda

b. Regresi Nonlinier : - Regresi Eksponensial

 Regresi Linier Sederhana
Regresi Linier Sederhana digunakan untuk mengetahui pengaruh dari variabel
bebas (X) terhadap variabel tidak bebas (Y).

Bentuk Umum Regresi Linier Sederhana :

Y = a + bX

X : variabel bebasY : variabel terikat

a : konstanta b : koefisien regresi

Untuk mencari nilai konstanta (a) dan nilai koefisien regresi (b), dapat menggunakan
metode ini :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya
belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :
Penyelesaian :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]

b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Jadi, persamaan regresi sederhana adalah Y = 20,4 + 5,2 X

Berdasarkan hasil penghitungan dan persamaan regresi sederhana di atas, maka dapat
diketahui bahwa :
1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap
nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik / tinggi
nilai ujiannya
2) Nilai konstanta sebesar 20,4, artinya jika tidak belajar / lama belajar = 0, maka nilai
ujian sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi
dianggap tetap.
 Koefisien Korelasi
Analisis Korelasi (r) digunakan untuk mengukur tinggi redahnya derajat hubungan
antar variabel yang diteliti.

•Jika koefisien korelasi mendekati angka +1 berarti terjadi hubungan positif yang erat
•Jika koefisien korelasi mendekati angka –1 berarti terjadi hubungan negatif yang erat
•Jika koefisien korelasi mendekati angka 0 berarti hubungan kedua variabel tidak erat

Dengan demikian nilai koefisien korelasi adalah – 1 ≤ r ≤ + 1.

Rumus Koefisien Korelasi (r) :

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan
Matematika sebagai berikut :
Penyelesaian :
r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Jadi, nilai koefisien korelasi sebesar 0,94 atau 94 %

Menggambarkan bahwa antara nilai statistik dan matematika mempunyai hubungan

positif dan hubungannya erat, yaitu :
1) Jika mahasiswa mempunyai nilai statistik baik, maka nilai matematikanya juga akan
baik, dan sebaliknya
2) Jika mahasiswa mempunyai nilai statistik jelek, maka nilai matematikanya juga akan
jelek.
 Koefisien Determinasi
Koefisien Korelasi dikuadratkan akan menjadi Koefisien Penentu (KP) /
Koefisien Determinasi, yang artinya penyebab perubahan pada variabel tidak bebas
(Y) yang datang dari variabel bebas (X), sebesar kuadrat Koefisien Korelasinya.

Koefisien determinasi menjelaskan besarnya pengaruh nilai suatu variabel (variabel X)

terhadap naik / turunnya (variasi) nilai variabel lainnya (variabel Y).

Rumus Koefisien Determinasi :

                   [ (n) (∑XY) – (∑X) (∑Y) ]2
(r²) =    ______________________________________________
             [ n (∑X2) – (∑X)2 ] [ n (∑Y2) – (∑Y)2 ]
Contoh :
Apabila X = Pendapatan, Y = Konsumsi (puluhan ribu rupiah). Maka hitung koefisien
determinasinya dan apa artinya !
Penyelesaian : 

                {(n)(∑XY) – (∑X)(∑Y)}2

(r²) =    __________________________________________
           [n(∑X2) – (∑X)2][n(∑Y2) – (∑Y)2]

                 {(7)(33.715) – (532)(398)}2
(r²) =   ________________________________________________
            [7(44.844) – (532)2][7(25.404) – (398)2]

                     {236.005 – 211.736}2  588.984.361

      =  _________________________________________________ =  ____________________ = 0,982
            [313.908 – 283.024][177.828 – 158.404]   599.890.816
        
Jadi Koefisien Determinasi adalah 0,982 atau 98,2% artinya sumbangan / pengaruh
pendapatan terhadap konsumsi sangat baik.
Thank You