Regresi dan Korelasi Linier Sederhana

Regresi = suatu model yg berusaha menjelaskan

suatu peubah berdasarkan peubah lain.

y: peubah yg dijelaskan x : peubah yg menjelaskan

: peubah tdk bebas : peubah bebas
: dependent variable : independent variable

Contoh
1. Menentukan nilai kimia berdasarkan tes intelegensia
x=skor tes intelegensia y=nilai kimia

2. Hasil panen padi dan volume pupuk yg digunakan

x=volume pupuk y=hasil panen
Model regresi linier sederhana untuk populasi :
y = 1 + 2 x -> parameter : 1 dan 2

Model regresi linier sederhana untuk sampel

(model diugaan) :
y=a+bx -> a : penduga tak bias 1
b : penduga tak bias 2

Untuk menentukan persamaan regresi

ada 2 metoda :
1. Metoda tangan bebas.
2. Metoda Kuadrat terkecil
 Metoda tangan bebas.
Metoda berdasarkan diagram pencar
Y

regresi linier y=a+bx

- Data diplot dlm diagram pencar, x = sumbu datar y = sumbu

tegak
- Bentuk regresi diperkirakan berdasarkan titik2 dalam diagram
- Jika letak titik2 sekitar garis lurus = regresi linier
- Jika letak titik2 sekitar garis lengkung = regresi non linier

Regresi linier ditarik secocok mungkin dgn letak titik2 dan

persamaannya ditentukan dgn menggunakan dua titik yg dilalui.
Metoda kuadrat terkecil
Jumlah kuadrat jarak antara titik2 dengan garis regresi
yg dicari, harus sekecil mungkin.
Data contoh : (xi , yi), i = 1, 2, 3,……., n
Persamaan regresi linier : y = a + bx

n n n
n xi yi  ( xi )( yi )
b i 1
n
i 1
n
i 1

n xi2  ( xi ) 2
i 1 i 1

a  y  bx
Contoh :
Dari data nilai kimia untuk skor tes
intelegensia
skor tes (x) nilai kimia (y) skor tes (x) Nilai kimia (y)
65 85 65 94
50 74 70 98
55 76 55 81
65 90 70 91
55 85 50 76
70 87 55 74

a.tentukan persamaan regresinya

b.tentukan nilai dugaan nilai kimia bagi mahasiswa
dengan skor intelegensia 60
xi yi xiyi xi2
65 85 ….. ….
50 74
55 76
65 90
55 85
70 87
65 94
70 98
55 81
70 91
50 76
55 74
725 1011 61685 44475
 n n n
n xi yi  ( xi )( yi ) (12)(6185)  (725)(1011)
b i 1 i 1 i 1 b  0.897
n n
12(44475)  (725) 2
n x  ( xi ) 2
2
i
i 1 i 1

x  725 / 12  60.417 y  1011 / 12  84.250

a  y  bx a  84.250  (0.897)(60.417)  30.056

Persamaan garis regresi :

y =30.056+0.897 x
Artinya setiap pertambahan 1 nilai intelegensia (x)
akan menambah nilai kimia (y) sebesar 0.897
Bila nilai intelegensia 60  x = 60
Y = 30.056 + 0.897(60) = 80.876

->Nilai kimia bagi mahasiswa dengan skor

intelegensi 60 = 80.876
 Korelasi Linier
K o r e l a s i : ukuran kerekatan hubungan antara dua peubah.
Koefisien korelasi linier : ukuran hubungan linier antara dua
peubah acak x dan y, dilambangkan dengan r.

Korelasi positif : bila titik2 menggerombol mengikuti suatu garis

lurus dengan kemiringan positif
Korelasi negatif : bila titik2 menggerombol mengikuti suatu garis
lurus dengan kemiringan negatif
Korelasi nol : bila titik2 mengikuti suatu pola yang acak
: tidak ada hubungan linear antara x dan y.

r>0 r<0 r=0

 n n n
n xi yi  ( xi )( yi )
r i 1 i 1 i 1

 n 2  n  2  n 2  n  2 
n xi    xi  n yi    yi  
 i 1  i 1   i 1  i 1  

r2 = koefisien determinasi contoh

= bilangan yg menyatakan proporsi keragaman total
nilai2 peubah y yg dapat dijelaskan oleh nilai2 peubah x
melalui hubungan linier tersebut
Contoh
Hitung dan tafsirkan koefisien korelasi bagi data berikut ini

Tinggi (x) 12 10 14 11 12 9
Berat (y) 18 17 23 19 20 15
 xi yi xiyi xi2 yi2
12 18 ……. …….. ……..
10 17 …….
14 23
11 19
12 20
9 15
68 112 1292 786 2128

xi = 68 yi = 112 xiyi =1292  xi2 = 786 yi2 = 2128

 n n n
n xi yi  ( xi )( yi )
r i 1 i 1 i 1

 n 2  n  2  n 2  n  2 
n xi    xi  n yi    yi  
 i 1  i 1   i 1  i 1  

(6)(1292)  (68)(112)
r  0.947
 
(6)(786)  (68) (6)(2128)  (112)
2 2

Koefisien korelasi 0.947 menunjukkan adanya hubungan linier yg
baik antara x dan y
r2 = 0.9 atau 90%, maka dapat dikatakan bhw 90% diantara
keragaman dlm nilai2 y dapat dijelaskan oleh
hubungan linearnya dengan x.
 Pedoman Untuk Memberikan
Interprestasi Terhadap koefisien Korelasi

Interval Koefisien Tingkat Hubungan

0.00 - 0.199 Sangat rendah
0.20 - 0.399 Rendah
0.40 - 0.599 Sedang
0.60 - 0.799 Kuat
0.80 - 1.000 Sangat kuat
Sumber : Prof. DR. Sugiyono, Statistika Untuk Penelitian, 390 hal, Penerbit
Alfabeta Bandung 2007