1
Bagian
Bagian I I Statistik
StatistikInduktif
Metode dan Distribusi Sampling
Metode dan Distribusi Sampling
Teori Pendugaan Statistik
Teori Pendugaan Statistik
Pengujian hipotesis Sampel Besar
Pengujian hipotesis Sampel Besar
Pengujian hipotesis Sampel Kecil
Pengujian hipotesis Sampel Kecil
Asumsi-asumsi Metode Kuadrat Terkecil
Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Linier
Analisis Regresi dan Korelasi Berganda
Analisis Regresi dan Korelasi Berganda
Fungsi, Variabel, dan Masalah dalam
Fungsi, Variabel, dan Masalah dalam
Analisis Regresi
Analisis Regresi
Induktif
Pengertian Korelasi Sederhana
Pengertian Korelasi Sederhana
Uji Signifikansi Koefisien Korelasi
Uji Signifikansi Koefisien Korelasi
Analisis Regresi: Metode Kuadrat
Analisis Regresi: Metode Kuadrat
Terkecil
Terkecil
Kesalahan Baku Pendugaan
Kesalahan Baku Pendugaan
Asumsi-asumsi Metode Kuadrat Terkecil
Perkiraan Interval dan Pengujian
Perkiraan Interval dan Pengujian
hipotesis
hipotesis
Hubungan Koefisien Korelasi, Koefisien
Hubungan Koefisien Korelasi, Koefisien
Determinasi dan Kesalahan Baku
Determinasi dan Kesalahan Baku
Pendugaan
Pendugaan
2
PENGERTIAN ANALISIS KORELASI

3
 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

4
 n   XY     X    Y 
r
n
 X 
2
   X   n
2

   Y     Y
2 2



5
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

6
Tahun Produksi (juta ton) Harga (US $ per ton)
1997 4,54 271
1998 4,53 319
1999 5,03 411
2000 6,05 348
2001 6,09 287
2002 6,14 330
2003 6,37 383
2004 7,40 384
2005 7,22 472
2006 7,81 610
2007 8,49 640
7
CONTOH REGRESI LINIER
Hubungan jumlah produksi dan harga minyak
n   XY     X    Y 
r
n
   X     X
2 2
 n
   Y     Y
2 2



n Y X Y2 XY X2
1 4,54 271 20,61 1230,34 73441
2 4,53 319 20,52 1445,07 101761
3 5,03 411 25,30 2067,33 168921
4 6,05 348 36,60 2105,40 121104
5 6,09 287 37,09 1747,83 82369
6 6,14 330 37,70 2026,20 108900
7 6,37 383 40,58 2439,71 146689
8 7,40 384 54,76 2841,60 147456
9 7,22 472 52,13 3407,84 222784
10 7,81 610 61,00 4764,10 372100
11 8,49 640 72,08 5433,60 409600
12
8
 PENGERTIAN KOEFISIEN DETERMINASI
Koefisien determinasi
Bagian dari keragaman total variabel tak bebas Y (variabel yang
dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan
oleh keragaman variabel bebas X (variabel yang mempengaruhi atau
independent).

Koefisien determinasi r2

n   XY     X    Y 
2

r2 
n
   X 2

   X 
2
 n
   Y 2
  Y 
 
2

9
 RUMUS UJI t UNTUK UJI KORELASI

r n2 di mana:
t
1 r 2 t : Nilai t-hitung

atau r : Nilai koefisien korelasi

n : Jumlah data pengamatan
r
t 
1 - r2
n-2

10
Ujilah apakah (a) nilai r = - 0,412 pada hubungan antara suku bunga dan investasi
dan (b) r = 0,86 pada hubungan antara harga minyak dan produksi kelapa sawit
sama dengan nol pada taraf nyata 5%?

1. Perumusan hipotesis:
hipotesis yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam populasi
dilambangkan dengan sedang pada sampel r.
H0 : r = 0
H1 : r ¹ 0

2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df) = n-k
= 9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan df =7 adalah = 2,36. Ingat bahwa n adalah
jumlah data pengamatan yaitu = 9, sedangkan k adalah jumlah variabel yaitu Y dan X,
jadi k=2.
3. Menentukan nilai uji t
r - 0,41
t 2
 2
 1 ,21
1-r 1 - (,041)
n-2 9-2
11
 CONTOH UJI t UNTUK UJI KORELASI
4. Menentukan daerah keputusan dengan nilai kritis 2,36

Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho

–2,36 t = –1,21 2,36

5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada daerah tidak

menolak H0. Ini menunjukkan bahwa tidak terdapat cukup bukti untuk menolak
H0, sehingga dapat disimpulkan bahwa korelasi dalam populasi sama dengan
nol, hubungan antara tingkat suku bunga dengan investasi lemah dan tidak
nyata.
12
1.Perumusan hipotesis:
hipotesis yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam
populasi dilambangkan dengansedang pada sampel r.
H0 :  = 0
H1 :  0

2.Taraf nyata 5% untuk uji dua arah (/2=0,05/2=0,025) dengan derajat bebas (df)
= n-k = 12 - 2 = 10. Nilai taraf nyata /2=0,025 dan df =10 adalah = 2,23.

3. Menentukan nilai uji t

r 0,86
t 2
 2
 5 ,33
1-r 1 - (0,86)
n-2 12 - 2

13
4. Menentukan daerah keputusan dengan nilai kritis 2,23

Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho

–2,23 2,23 t= 5,33

5. Menentukan keputusan. Nilai t-hitung berada di daerah menolak H 0, yang berarti

bahwa H0 di tolak dan menerima H1. Ini menunjukkan bahwa koefisien korelasi
pada populasi tidak sama dengan nol, dan ini membuktikan bahwa terdapat
hubungan yang kuat dan nyata antara harga minyak dan produksi kelapa sawit.

14
MENGGUNAKAN MS EXCEL UNTUK MENCARI KORELASI

15
16
 RUMUS PERSAMAAN REGRESI
Persamaan regresi
Suatu persamaan matematika yang mendefinisikan
hubungan antara dua variabel.

17
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:

Hubungan Inflasi dan Suku Bunga

35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi

Gambar A

18
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:

Hubungan Inflasi dan Suku Bunga

35
30 b c
d
25
a
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi

Gambar B

19
CONTOH SELISIH ANTARA DUGAAN DAN AKTUAL LEBIH KECIL

Hubungan Inflasi dan Suku Bunga

40 e1
e1
Y1
Y1 e2
e2
e3
30 Y2
e3
Y4
Suku Bunga

Y2
Y3
Y4 e4
Y3
e4 Y5
e5
20 Yn
en
Yn
en

10
0
2.01 9.35 12.55 10.33
Inflasi

Gambar A: selisih antara dugaan dan aktual lebih kecil

20
CONTOH SELISIH ANTARA DUGAAN DAN AKTUAL LEBIH BESAR

Hubungan Inflasi dan Suku Bunga

35 Y2e2
Y4e4 Ynen
30
25 e3
Suku Bunga

e1 Y3
20 Y1 e5
Y5
15
10
5
0
2.01 9.35 12.55 10.33
Inf lasi

21
Y

+b
-b

X X
Gambar A: Ŷ =a+bX Gambar B: Ŷ =a-bX

22
 n XY )  (  X )(  X ) (  Y ) b(  X )
a b 
n(  X 2 )  (  X )2 n b

Y : Nilai variabel bebas Y

a : Intersep yaitu titik potong garis dengan sumbu Y
b : Slope atau kemiringan garis yaitu perubahan rata-rata pada untuk
Ŷ setiap unit
perubahan pada variabel X

X : Nilai variabel bebas X

n : Jumlah sampel

23
Ŷ =a+bX
Yi X Ŷ = 2,8631 + 0,0086 X Ŷ e=Y- Ŷ

4,54 271 Ŷ = 2,8631 + 0,0086 x 271 5.1853 -0.6453

4,53 319 Ŷ = 2,8631 + 0,0086 x 319 5.5966 -1.0666

5,03 411 Ŷ = 2,8631 + 0,0086 x 411 6.3850 -1.3550

6,05 348 Ŷ = 2,8631 + 0,0086 x 348 5.8451 0.2049

6,09 287 Ŷ = 2,8631 + 0,0086 x 287 5.3224 0.7676

6,14 330 Ŷ = 2,8631 + 0,0086 x 330 5.6909 0.4491

6,37 383 Ŷ = 2,8631 + 0,0086 x 383 6.1450 0.2250

7,40 384 Ŷ = 2,8631 + 0,0086 x 384 6.1536 1.2464

7,22 472 Ŷ = 2,8631 + 0,0086 x 472 6.9077 0.3123

7,81 610 Ŷ = 2,8631 + 0,0086 x 610 8.0902 -0.2802

8,49 640 Ŷ = 2,8631 + 0,0086 x 640 8.3473 0.1427

24
 CONTOH HUBUNGAN ANTARA PRODUKSI DENGAN
HARGA MINYAK KELAPA SAWIT

Persamaan Ŷ = 2,8631 + 0,0086 X.

10
10
8
8
Produksi
Produksi

6
6
4
4
2
2
0
0
271 287 319 330 348 383 384 411 472 610 640
271 287 319 330 348 383 384 411 472 610 640
HargaMinyak
Harga Minyak

YY Y'Y'

Gambar A: Koordinat antara Y danŶ

25
 Persamaan Ŷ = 2,8631 + 0,0086 X.

10
8
Produksi

6
4
2
0
271 287 319 330 348 383 384 411 472 610 640

Harga

Y = Y'

Gambar B: Koordinat antara Y dan Ŷ , dimana Y = Ŷ

26
 DEFINISI STANDAR ERROR

Standar error atau kesalahan baku Pendugaan

Suatu ukuran yang mengukur ketidakakuratan

pencaran atau persebaran nilai-nilai pengamatan (Y)
terhadap garis regresinya (Ŷ).

Ŷ

27
 Syx  e 2
  ( Y  Ŷ ) 2

n2 n2
Di mana:

Sy.xC : Standar error variabel Y berdasarkan variabel X yang diketahui

Y : Nilai pengamatan dari Y
Ŷ : Nilai dugaan dari Y
n : Jumlah sampel, derajat bebas n-2 karena terdapat dua parameter
yang akan digunakan yaitu a dan b.

28
29
30
 ASUMSI METODE KUADRAT TERKECIL

Beberapa asumsi penting metode kuadrat terkecil adalah sebagai berikut:

1. Nilai rata-rata dari error term atau expected value untuk setiap nilai X sama dengan nol. Asumsi ini
dinyatakan E(ei/Xi) = 0.
2. Nilai error dari Ei dan Ej atau biasa disebut dengan kovarian saling tidak berhubungan
atau berkorelasi. Asumsi ini biasa dilambangkan sebagai berikut, Cov (Ei, Ej) = 0, di mana i
.
¹ j. Berdasarkan pada asumsi nomor 1, pada setiap nilai Xi akan terdapat Ei, dan untuk Xj
akan ada Ej, yang dimaksud dengan nilai kovarian = 0 adalah nilai Ei dari Xi tidak ada
hubungan dengan nilai Ej dari Xj.
Y
Garis regresi

Satu deviasi
standar

Nilai tengah terletak

pada garis regresi

X1 X2 X3 X

31
 ASUMSI METODE KUADRAT TERKECIL

3. Varian dari error bersifat konstan. Ingat bahwa varian dilambangkan dengan s2, sehingga
asumsi ini dilambangkan dengan Var (Ei/Ej) = E(ei – ej)2 = s2. Anda perhatikan pada gambar
di atas bahwa nilai Ei (yang dilambangkan dengan tanda titik) untuk setiap X yaitu X 1, X2 dan
X3 tersebar secara konstan sebesar variannya yaitu s2. Pada gambar tersebut nilai E tersebar
1 standar deviasi di bawah garis regresi dan 1 standar deviasi di atas garis regresi. Seluruh
sebaran nilai Ei untuk Xi dan Ej untuk Xj, di mana i ¹ j terlihat sama dengan ditunjukkan kurva
yang berbentuk simetris dengan ukuran yang sama, hal inilah yang dikenal dengan varians
dari error bersifat konstan.

4. Variabel bebas X tidak berkorelasi dengan error term E, ini biasa dilambangkan dengan Cov (Ei,
Xi) = 0. Pada garis regresi Y=a + bxi + ei maka nilai Xi dan Ei tidak saling mempengaruhi,
sebab apabila saling mempengaruhi maka pengaruh masing-masing yaitu X dan E tidak
saling dapat dipisahkan. Ingat bahwa yang mempengaruhi Y selain X adalah pasti E yaitu
faktor diluar X. Oleh sebab itu varians dari E dan X saling terpisah atau tidak berkorelasi.

32
RUMUS

1 ( X  X )2
Ŷ  t( Syx ) 
n  X 2  (  X )2 / n

Ŷ : Nilai dugaan dari Y untuk nilai X tertentu

t : Nilai t-tabel untuk taraf nyata tertentu
Sy.x : Standar error variabel Y berdasarkan variabel X yang diketahui
X : Nilai data pengamatan variabel bebas
X : Nilai rata-rata data pengamatan variabel bebas
n : Jumlah sampel

33
 PENDUGAAN INTERVAL NILAI KOEFISIEN REGRESI A DAN B

Dengan menggunakan asumsi bahwa nilai Ei bersifat normal, maka hasil dugaan a dan
b juga mengikuti distribusi normal. Sehingga nilai t = (b – B)/b, juga merupakan
variabel normal. Dalam praktiknya nilai standar deviasi populasi b sulit diketahui,
maka standar deviasi populasi biasa diduga dengan standar deviasi sampel yaitu Sb,
sehingga nilai t menjadi t = (b – B)/Sb. Selanjutnya probabilitasnya dinyatakan sebagai
berikut:
P(-t/2  (b – B)/Sb  t/2 ) = 1 - 
P(-t/2. Sb  (b – B)  t/2 . Sb) = 1 - 
Sehingga interval B adalah:
(b -t/2. Sb  B  b + t/2 . Sb)

sedangkan dengan cara yang sama interval A adalah:

(a -t/2. Sa  A  a + t/2 . Sa)

di mana Sa dan Sb adalah sebagai berikut:

Sb = Sy.x / [ X2 – (X)2/n]
Sa =  (X2.Sy.x)/ (nX2 – (X)2)
34
 ANALISIS VARIANS ATAU ANOVA

Analisis varians atau ANOVA merupakan alat atau peranti yang dapat menggambarkan
hubungan antara koefisien korelasi, koefisien determinasi dan kesalahan baku
pendugaan. Untuk mengukur kesalahan baku kita menghitung error yaitu selisih Y
dengan atau dapat dinyatakan dalam bentuk persamaan:

e = Y – Ŷ
atau dalam bentuk lain yaitu

Y= Ŷ+ e

Di mana:

Y adalah nilai sebenarnya,

Ŷ adalah nilai regresi
e adalah error atau kesalahan

35
 TABEL ANOVA

Sumber Keragaman Derajat bebas (df) Sum Square (SS) Mean Square (MS)
(Source)

Regresi (Regression) 1 SSR = ( Ŷ – Y)2 MSR

(jumlah var bebas, X) =SSR/1

Kesalahan (error) n-2 SSE MSE

= (Y – Ŷ)2 =SSE/(n-2)

Total n-1 SST

= (Y – Y)2

36
TERIMA KASIH

37