OM SWASTIYASTU....

Kelompok 7
 Nama Kelompok :
 1. NI PUTU LION BUDANTI (01) ( 1902622010423 )
 2. WAHYUNI ATTUL BADRIYAH (09) ( 1902622010431 )
 4. NI PUTU PUTRI CAHYANI (16) ( 1902622010438 )
 5. KADEK DEWI TIRTA TRIBUANA (21) ( 1902622010443 )
 ANALISIS REGRESI DAN KORELASI
SEDERHANA

1. Pengertian Regresi
2. Regresi Linier
3. Interpretasi Terhadap 4. Menaksir Nilai
Sederhana : Metode
Nilai Koefisien Regresi Variabel Terikat Y
Kuadrat Terkecil

5. Kesalahan Baku Dari

6. Koefisien Determinasi 7. Analisis Korelasi
Dugaan

8. Interpretasi Terhadap 1. Koefisien 2. Koefisien Korelasi

Nilai Koefisien Korelasi 9. Korelasi Peringkat Korelasi Melalui Tanpa Analisis
Analisis Regresi Regresi
 Hubungan tingkat suku bunga dengan investasi , jumlah peserta KB
Hubungan
dan tingkat suku
tingkat kelahiran bunga
, harga suatudengan
baranginvestasi , jumlah
dan jumlah peserta
barang yangKB
1. Pengertian Regresi
1. Pengertian Regresi dan tingkat
diminta kelahiran
, merupakan tiga, harga
contoh suatu
dari barang dan jumlah
dua variabel barang yang
yang memiliki
diminta ,yang
hubungan merupakan
bersifattiga contoh
negatif darikendaraan
. Usia dua variabel
danyang
tinggimemiliki
gedung,
hubungan yang bersifat negatif . Usia kendaraan dan
kecepatan kendaraan dan jumlah bayi yang lahir , jumlah jembatan tinggi gedung,
kecepatan
yang dibangunkendaraan
dan usiadan jumlah bayi
seseorang. yang lahir
Merupakan tiga, contoh
jumlah dua
jembatan
variabel
yang dibangun dan usia
yang tidak memiliki hubungan. seseorang. Merupakan tiga contoh dua variabel
yangBila
tidak memiliki
ketiga hubungan.
jenis sifat hubungan antara dua variabel tersebut
Bila ketiga jenis sifat
dinyatakan dalam grafik, bentuk hubungan
grafiknyaantara dua grafik
seperti variabel tersebut
9.1.
1. Regresi oleh para statistikawan di dinyatakan dalam grafik, bentuk grafiknya seperti grafik 9.1.
1. Regresi
terapkan oleh di
hampir para statistikawan
semua di
bidang ilmu,
terapkan
untuk hampir
menaksir di meramalkan
atau semua bidangnilai
ilmu,
satu
variabel berdasarkan variabel lain yang satu
untuk menaksir atau meramalkan nilai
variabeltelah
nilainya berdasarkan
diketahui,variabel lainvariabel
dan kedua yang
nilainya
tersebut telah diketahui,
memiliki hubungan dan kedua variabel
fungsional atau
sebab-akibat satu dengan yang lainnya. atau
tersebut memiliki hubungan fungsional
sebab-akibat satu dengan yang lainnya.

Tiga grafik yang menyatakan hubungan variabel X dan Y.

 Untuk mengetahui keeratan ( kuat-lemahnya ) atau derajat Empat Bentuk Scatter Diagram
 Untuk mengetahui
hubungan keeratanitu
antara dua variabel ( kuat-lemahnya ) atau
( variabel X dan derajatdi
Y ) dapat
hubungan
ukur denganantara duakorelasi.
koefisien variabel Pola
itu ( variabel
hubungan X antara
dan Y dua
) dapat di Y Y
ukur dengan
variabel koefisien
yaitu variabel X korelasi.
dan Y yangPoladihubungan antara dua
bentuk oleh
variabel yaitu
serangkaian variabel
pasangan dataX (dan
Xi,YYyang di bentuk oleh
i ) dengan i = 1, 2, 3 ....n,
serangkaian pasangan data ( X , Yi ) dengan i = 1, 2, 3 ....n,
dapat berbentuk berbagai macami persamaan regresi, mungkin
dapat berbentuk berbagai macam persamaan
linear atau tan-linear ( kuadrat, kubik, eksponensial, regresi, mungkin
elip dan
linear atau tan-linear
bentuk lainnya). ( kuadrat, kubik, eksponensial, elip dan
bentuk lainnya).
Sebelum persamaan regresi dituntukan, apakah
bentuknya linear persamaan
Sebelum regresi
atau tan-linear dituntukan,
sebaiknya apakah
dibuat terlebih 0 X 0 X
bentuknya linear atau tan-linear sebaiknya
dahulu diagram pencarnya ( scatter diagram ), setelah dibuat terlebih
itu baru (a) Mendekati Linear (b) Mendekati Linear
dahulu diagram pencarnya ( scatter diagram
dipilih persamaan regresi yang paling mendekati. Langkah), setelah ituitu
baru
dipilihagar
diambil persamaan regresi yang
penyimpangan yangpaling
terjadimendekati. Langkah itu
sekecil mungkin.
diambil agar penyimpangan yang terjadi sekecil mungkin.
Y Y

Tujuan Mempelajari Analisis Regresi,

(1)Tujuan
untuk Mempelajari Analisis
memperoleh suatu Regresi,
persamaan garis yang menunjukan persamaan hubungan antara dua variabel .
(1)Persamaan
untuk memperoleh
garis yangsuatu persamaan
diperoleh disebutgaris yang menunjukan
persamaan regresi. persamaan hubungan antara dua variabel .
Persamaan
(2) Untuk garis yang
mengetahui diperoleh
besarnya pengaruhdisebut persamaan
perubahan tiap regresi.
unit variabel bebas terhadap perubahan variabel
(2) Untuk mengetahui besarnya pengaruh perubahan tiap unit variabel
terikatnya pengaruh perubahan tiap unit variabel bebas ditunjukan
0
oleh bebas
nilai terhadap
X
koefisien perubahan
0
regresinya. variabel X

terikatnya
(3) pengaruhnilai
Untuk menaksir perubahan
variabeltiap unit(Y)
terikat variabel bebas ditunjukan
berdasarkan oleh (X)
(c) Tan-Linear
variabel bebas nilaiyang
koefisien regresinya.
nilainya
(d) Tan-Linear
telah diketahui. Butir
(3)(3) Untuk menaksir
menunjukan bahwanilai variabel
analisis terikat
regresi (Y)suatu
adalah berdasarkan variabel bebas (X) yang nilainya telah diketahui. Butir
alat estimasi.
(3) menunjukan bahwa analisis regresi adalah suatu alat estimasi.
 Dalam bentuk lain kedua persamaan normal di atas dapat dinyatakan sebagai :
2. Regresi Linier Sederhana : Metode Kuadrat Terkecil
b = n XiYi - Xi Yi (9.3)

n Xi2 -2 (Xi)2
Agar jumlah kuadrat simpangan vertikal ke garis regresi yaitu ( Y - Ỳ ) sekecil mungkin,
Secara umum persamaan regresi linear sederhana dinyatakan sebagai berikut :
a =i ȳ - bX
̄ (9.4)
Ŷ = a + bX
2 2
maka (DariYSerangkaian
i - Ỳ ) = (e ) di minimumkan
datai sampel terhadap
(Xi, Yi ) dengan i = 1, 2, a3, dan
.... n,b.dibuat
Dangan bantuan
diagram kalkulus
pencarnya, dari
a = konstanta atau titik potong dengan sumbu Y, bila X = 0
semua kemungkinan garis lurus yang dapat ditarik pada diagram pencar tersebut , metode kuadrat
diferensial ( derevasi parsial ) di dapatlah dua persamaanb normal
= Slope yaitu persamaan
garis (9.1)garis
atau arah dan regresi, yang menyatakan perubahan nilai Y akibat perubahan
terkecil ( Least Squares Method ) akan memberikan jumlah kuadrat deviasi vertikal ( tegak ) dari titik
1 unit X
persamaan (9.2).keDengan
- titik observasi menyelesaikan
garis regresi keduamungkin
tersebut sekecil persamaan
atauinidengan
secarakata
simultan, maka kuadrat
lain metode nilai a
terkecil memberikan  ( Yi - Ỳ ) =  (ei )2 yang terkecil. (Yi -ŶỲ=i )Taksiran
= e , disebutnilai
residual.
Y
dan b dari persamaan linear Ỳ = a + bx, dapat dihitung.
( xi , Yi
X= ) Variabel bebas ( data pengamatan )
Y ei Y = Variabel terikat ( data pengamatan )
n = banyaknya
Ŷ = a + bX pasangan data ( ukuran sampel )
Yi = n.a + bXi (9.1)
(9.2) Koefisien regresi b pada (9.3) dapat juga dihitung melalui bentuk deviasial penyimpangan
2
XiYi = ax + bX ̄ ) xi dan (Yi - ȳ ) = yi,
masing - masing data terhadap maen-nya masing masing yaitu : (Xi - X
sebagai berikut
0 X

Gambar 9.1 Kreteria Kuadrat Terkecil

b=  XiYi (9.5)

 Xi2
 3. Interpretasi Terhadap Nilai
Koefisien Regresi
 Tanda positif atau negatif dari nilai koefisien regresi,
bukanlah menyatakan Tanda aljabar, melainkan
menyatakan arah hubungan atau lebih tegasnya
menyatakan pengaruh variabel bebas X terhadap
variabel terikat Y. Nilai b yang positif menyatakan
bahwa variabel bebas X berpengaruh positif terhadap
nilai variabel terikat Y. Sedangkan nilai b yang negatif
( b dengan tanda yang negatif) menyatakan bahwa
variabel bebas X berpengaruh negatif terhadap nilai
variabel trikat Y.
 Interpretasi terhadap nilai koefisien regresi, b adalah
sebagai berikut:
1. b = k (k bertanda positif ),
2. b = – k (k bertanda negatif ),
4. Menaksir Nilai Variabel
Terikat Y
 Dari serangkaian data sampel yang terdiri dari n
pasangan data (Xi,Yi), nilai a dan b dihitung,
kemudian persamaan regresi sampelnya yaitu Ỳ=
a+bX dapat disusun. Selanjutnya berdasarkan
persamaan regresi tersebut, dapat ditaksir nilai
variabel teikat Y, pada nilai variabel bebas (X)
tertentu, dalam batas batas nilai X data pengamatan.
Caranya yaitu dengan memasukkan X dengan nilai
tertentu ke persamaan regresi, Ỳ= a+bX
 Penyelesaian:
a) Menyusun persamaan regresi
Contoh 9-1 Tabel 9.1 perhitungan unsur unsur persamaan regresi

b. Interpretasi terhadap nilai koefisien regresi b.

  tabel 9.1 dapat diketahui xi= 106, Y = 70, X Y = 1338, Xi2 = 2.116, Y
Dari 2
= 864, n=6
Dari persamaan regresi tersebut, dapat diketahui nilai b = 0,42
1. Sebuah sampel acak yang terdiri dari 6 (enam) i i i i

Per rumus (4.1) di dapat X̄ dan ȳ,

pasangan data mengenai besarnya pendapatan dan X̄= = Nilai
= 17,67b = 0,42 memiliki arti bahwaȳ =setiap kenaikan pendapatan sebesar satu juta
= = 11,67
konsumsi bulanan (juta rupiah) dari 6 (enam) karyawan
B= –
rupiah, maka konsumsi akan meningkat rata rata sebesar Rp 0,42 juta. Atau, setiap penurunan
perusahaan swasta yang bergerak dalam bidang = –
pendapatan
pariwisata adalah sebagai berikut (data hipotesis):= sebesar Rp1 Juta, maka konsumsi berkurang rata rata sebesar Rp. 0,42 juta.
c. Menaksir
= besarnya konsumsi seorang karyawan yang memiliki pendapatan Rp. 23 Juta.
Pendapatan(X) 8 12 16 20 24 26 Selanjutnya per rumus (9.4) konstanta a dapat dihitung:
Dari persamaan
= ȳ – bX̄
regresi yang diperoleh pada butir (a) yaitu Ŷ= 4,25 + 0,24 X, akan dapat
Konsumsi ( Y) 7 9 12 14 13 15 A

ditaksir=nilai
11,67Y–untuk X 23, sebagai berikut :
0,42 (17,67)
= 11,67 – 7,42)
Berdasarkan data tersebut, Ŷ= 4,254,25
+ 0,24 X
a) Susunlah persamaan regresinya Untuk X=23 regresinya
Jadi persamaan Ŷ= 4,25: Ŷ=
+ 0,24
4,25 +X(23)
0,24 X
b) Berikanlah interpretasi terhadap nilai koefisien
regresinya. Ŷ= 13,91
c) Taksirlah konsumsi seorang karyawan yang Jadi konsumsi seorang karyawan yang pendapatannya sebesar Rp. 23 Juta ditaksir sebesar Rp.
pendapatannya Rp. 23 Juta. 13,91 juta.
  Diagram 9.3
5. Kesalahan Baku Dari Dugaan Diagram 9.3 Dengan
Tiga Buah Garis Regresi
Penyimpangan titik-titik diagram pencar terhadap garis Tiga Buah Garis Regresi Dengan
Penyimpngannya
Penyimpngannya
regresinya dinyatakan oleh besarnya kesalahan baku dari
dugaan (SYx ). Untuk menghitung nilai SYx dari suatu pencaran Y Y

data, dipakai rumus :

SYx
atau X X

SYx a. Regresi Lebih Tepat b. Regresi Kurang Tepat

SYX = Kesalahan baku dari dugaan

Yi = Nilai variabel terikat (pengamatan) yang ke i Y

Xi = Nilai variabel bebas (pengamatan) yang ke i

Ŷ = Taksiran nilai Y atau nilai regresi
N = Banyaknya pasangan data sampel / ukuran sampel X

c. Regresi Tepat
a. Interpretasi terhadap nilai SYx
Jika residualnya berdistribu normal, maka : (1) sekitar 68% dari seluruh residual (beda
antara nilai penamatan dan nilai taksirnya) terletak antara Minus satu SYx dan plus satu SYx ;
(2) sekitar 95% dari seluruh residual letak antara minus dua SYx dan plus dua SYx ; (3) sekitar Interpretasi nilai SYx . Nilai SYx = Rp. 3,38
99,7% dari seluruh residual terletak antara minus tiga SYx dan plus tiga SYx (levin, 1982; miliar, memiliki arti bahwa sekitar 68% dari
seluruh residual (beda nilai investasi dan nilai
Black, 2011). taksirannya ) terletak antara minus (1 x SYx ) =
– Rp3, 38 miliar dan (1 x SYx ) = Rp3, 38
 Contoh 9–3 miliar sekitar 95% residual letaknya antara
Berdasarkan data pada contoh 9.2, hitunglah kesalahan baku dari dugaan dan berikan interpretasi. minus (2 x SYx ) = – Rp. 6,76 miliar dan (2 x )
Penyelesaian = Rp. 6,76 miliar, dan hampir seluruh
Dari hasil hitung Tabel 9.2 telah diperoleh bahwa Yi= 330, Yi2 = 24,100, XiYi = 4,700, a = 249,96; b = – residualnya (sekitar 99,7%) terletak antara
12,43 dan diketahui n = 5 minus (3 x SYx ) = – Rp. 10,14 miliar dan (3 x
Per rumus (9.7) dihitung SYx sebagai berikut: SYx ) = Rp. 10,14 miliar
SYx

=
= 3,38
Jadi, kesalahan baku dari dugaan adalah Rp. 3,338 Miliar
 Perhatikan Diagram (9.4 ), dapat diuraikan sebagai berikut
Total deviasi = deviasi yang dapat dijelaskan + deviasi yang tidak dapat dijelaskan .
6. Koefisien Determinasi Sementara itu.
Salah satu alat utama untuk mengukur kecepatan/ Total deviasi ( deviasi variabel Yi terhadap rata - rata ) = ( Yi - Ŷ )
kesesuaian ( goodness of ) garis regresi terhadap datanya Deviasi yang tidak dapat dijelaskan oleh X ( deviasi Y di bawah garis regresi dan di atas
adalah koefisien determinasi. rata - rata ) = (Ỳ - Ŷ)
Total Deviasi deviasi yang dapat dijelaskan + deviasi yang tidak dapat dijelaskan

Variasi yang dapat dijelaskan (9.8)

(Yi - ȳ)2 = ( Ŷ - ȳ )2 + (Yi - Ŷ )2
Koefisien Determinasi =
Variasi Total
Hubungan (9.9) dapat juga ditulis sebagai :
Total variasi = variasi yang dapat dijelaskan + variasi yang tidak dapat dijelaskan
Diagram 9.4 Total Variasi yang Dapat Dijelaskan dan variasi yang tidak dapat dijelaskan. (Yi - ȳ)2 = ( Ŷ - ȳ )2 + (Yi - Ŷ )2

i
Nilai koefisien determinasi terletak antara 0 dan 1 yaitu 0 ≤ r2 ≤ 1. r2 = 1, berarti 100% total
Y (Xi, Y )
variasi variabel terikat dijelaskan oleh variabel bebasnya, dan menunjukan ketepatan yang
Y ( regresi )
Deviasi yang tidak dapat dijelaskan baik.
Total Deviasi
( Yi - ȳ ) r2 = 0, berarti tidak ada total variasi variabel terikat yang dijelaskan oleh variabel bebasnya.
( Yi - ȳ ) Deviasi yang dapat dijelaskan
(Ỳ - ȳ )
Koefisien determinasi, r2 dapat juga di hitung dengan rumus yang lebih sederhana yaitu :
Y rata - rata = ȳ

2
r2 = a Yi + b XiYi - n (ȳ) (9.12)
X  Yi2 - n (ȳ)2
Contoh 9.5
Untuk contoh 9.2 hitunglah koefisien determinasinya dan berikanlah interpretasi.

Penyelesaiannya
Dari contoh ( 9.2 ) dan hasil perhitungannya di peroleh / diketahui a = 249,96; b = 12,43; Yi
= 330, Yi2 = 24.100,  XiYi = 4.700, ȳ = 66 dan n = 5

Per rumus ( 9.12) didapat :

r2 = aYi + b XiYi - n (ȳ)2

 Yi2 - n (ȳ)2
= 249,96 (330) - 12,43 ( 4,700 ) - 5 (66)2
24.100 - 5(66)2

= 8,2486,8 - 58.421- 21.780

24.100 - 21.780
= 2.285,8
2320
= 0,98

Jadi , koefisien determinasinya = 0,98.

Nilai r2 =0,98 memiliki arti bahwa 98% dari variasi ( naik - turunnya ) investasi dijelaskan
atau dipengaruhi oleh suku bunga dan sisanya lagi 2% dipengaruhi oleh faktor - faktor
lainnya.
 1. Koefisien Korelasi Melalui Analisis Regresi
Analisis korelasi biasanya dilakukan secara bersamaan dengan analisis regresi. Jika analisis
7. Analisis korelasi korelasi dilakukan bersamaan dengan analisis regresi maka koefisien korelasi merupakan akar
dari koefisien determinasi yang dapat dihitung dengan rumus berikut:
Contoh 9-7
Berdasrkan data pada Contoh 9-2, hitunglah koefisien korelasinya dengan jelaskan hubungan r= r2
antaraSeperti
tingkat sukudijelaskan dimuka
bunga dan investasi, analisis
positif atau negatif ? regresi bertujuan
untuk mengetahui pola hubungan kedua variabel r= 1 - (Yi - Ŷ)2
tersebut linear atau tan linear. Pola hubungan ini
Penyelesaian
dinyatakan oleh persamaan regresi. Tujan Lainnya (Yi - Ŷ)2
Hasiladalah r2 Contohmengetahui
perhitunganuntuk 9-2, terdapat padapengaruh variabel
contoh 9-5 adalah 0,98 maka,bebas X
terhadap variabel terikat Y, serta untuk mengadakan Nilai dari r berkisar antara -1 dan +1, yaitu -1≤ r ≤ 1. Nilai r positip menunjukan
tafsiran nilai Y berdasarkan nilai X tertentu yang telah hubungan antara variabel X dan Y searah (bila nilai X meningkat maka nilai Y juga
diketahui. Sedangkna analisis r = r2 korelasi bertujuan untuk
meningkat dan sebaliknya bila nilai X menurun maka nilai Y akan menurun ) . Nilai r negatif
mengetahui keretan = 0,98
hubungan
menunjukan hubungan antara variabel X dan Y berlawanan arah (bila nilai X meningkat
( kuat lemahnya) hubungan antara variabel bebas X
dengan variabel terikat= Y ± 0,99
, tanpa melihat bentuk maka nilai Y akan menurun, dan bila nilai X menurun maka nilai Y akan meningkat). Nilai r
Oleh karena,hubungan, dilihat
tanda nilai b adalah negatif dari koefisien
(b = -12,43, korelasinya.
lihat Contoh 9-2) = 0 menunjukan antara variabel X dan Y tidak ada hubungan secara linear, akan tetapi

Maka, koefisien korelasinya adalah -0,99. Jadi, antara suku bunga dan investasi terdapat mungkin saja terjadi hubungan secara tan-linear.
hubungan negatif, artinya jika tingkat suku bunga naik maka investasi akan turun.
 8. Interpretasi Terhadap Nilai Koefisien Korelasi
Untuk dapat mengetahui kuat-lemahnya tingkat atau derajat
2. Koefisien Korelasi Tanpa Analisis Regresi hubungan antara variabel X dan Y, secara kasar/sederhana
dapat dirujuk pedoman yang diberikan oleh Elifson, et. al
Koefisien korelasi dapat langsung dihitung dengan beberapa cara, salah satu
(1990), dalam Tabel 9.3.
diantaranya adalah metode Karl Pearson atau Produk Moment. Tabel 9.3 Interpretasi Terhadap Koefisien Korelasi
Menurut metode ini, koefisien dapat dihitung dengan rumus :
𝑛 σ 𝑋 𝑖 𝑌𝑖 −σ 𝑋 𝑖 σ 𝑌𝑖
Korelasi 𝑟 = (9.14)
ට𝑛 σ 𝑋𝑖2 −ሺσ 𝑋 𝑖 ሻ2 ට𝑛 σ 𝑌𝑖2 −ሺσ 𝑌𝑖 ሻ2
Besar Koefisien  
Korelasi (r) Interpretasi
(positif / negarif )  
n = banyaknya pasangan data/ukuran sampel
Xi= (nilai pengamatan )variable bebas yang ke-i
0 Tidak ada korelasi antara variabel X dan Y
Yi= (nilai pengamatan )variable terikat yang ke-i
0,01 – 0,30 Antara variabel X dan Y terdapat korelasi yang lemah.

0,31 – 0,70 Antara variabel X dan Y terdapat korelasi yang moderat (sedang atau
cukup).

0,71 – 0,99 Antara variabel X dan Y terdapat korelasi yang kuat atau tinggi.

1 Antara variabel X dan Y terdapat korelasi yang sempurna.

Contoh 9-8 Dari tabel 9.4, dapat diketahui bahwa: σ 𝑋𝑖 = 67, σ 𝑌𝑖 = 23, σ 𝑋𝑖 𝑌𝑖 = 339 ,∑𝑋𝑖2 =921, ∑𝑌𝑖2 = 151,
dan n = 5
Dari sebuah bank pemerintah, dalam 5 tahun terakhir
Per rumus (9.14) didapat,
diperoleh data, mengenai tabungan masyarakat (Y) dan suku
bunga (X). 𝑛 σ 𝑋 𝑖 𝑌𝑖 −σ 𝑋 𝑖 σ 𝑌𝑖
r=
Y 1 2 3 4 5 ට𝑛 σ 𝑋𝑖2 −ሺσ 𝑋 𝑖 ሻ2 ට𝑛 σ 𝑌𝑖2 −ሺσ 𝑌𝑖 ሻ2
(miliar Rp)
5ሺ339ሻ−ሺ67 ሻሺ23 ሻ
X 10 12 14 15 16 =
ඥ5ሺ921ሻ−4489ξ 755−529
(% per tahun )

Dengan menganggap data tersebut sampel acak, hitunglah 1695−1541

koefisien korela-sinya dengan metode Karl Pearson dan =
ξ 4605−4489ξ 755−529
berikanlah interpretasi.
154 154
Penyelesaian = 116 226 = 10,77−15,03
ξ ξ
Tabel 9.4 Cara menghitung Koefisien Korelasi dengan Cara Karl Pearson
Xi Yi Xi2 Yi2 XiYi = 0,95
10 1 100 1 10
Jadi, koefisien korelasinya sebesar 0,95. Nilai r = 0,95, memiliki arti bahwa ter-dapat
12 2 144 4 24
14 4 196 16 56 hubungan yang positif dan kuat antara tabungan dengan suku bunga.
15 7 225 40 105
16 9 256 81 144
67 23 921 151 339
Contoh 9-9
Produksi (Y) dalam ribu ton dari sebuah perusahaan pada
periode tertentu dan upah tenaga kerja (X) dalam juta rupiah
yang dikeluarkannya disajikan sebagai berikut (data hipotetis):

X(Juta 2 4 6 7 8 10 11 12 13 14
Rp)
Y (ton ) 4 5 8 10 12 16 18 20 21 24

Dengan mengganggap data tersebut sampel acak

a) Dengan metode kuadrat terkecil, tentukanlah persamaan
regresinya.
b) Berikanlah interpretasi terhadap koefisien garis regresi
yang diperoleh.
c) Hitunglah koefisien determinasinya dan berikanlah
interpretasi.
d) Hitunglah koefisien korelasi dan berikanlah interpretasi.
e) Taksirlah hasil produksi bila upah tenaga kerja yang
dikeluarkan sebesar Rp. 12,5 juta.
f) Hitunglah kesalahan baku dari dugaan dan berikanlah
interpretasi
Penyelesaian Dari hasil perhitungan Tabel 9.5 diketahui: σ 𝑋𝑖 = 87, σ 𝑌𝑖 = 138, σ 𝑋𝑖2 = 899, σ 𝑋𝑖 𝑌𝑖 = 1449
dan n= 10
(a) Menentukan persamaan regresinya. Per rumus (4.1) dapat dihitung 𝑥ҧdan 𝑌ത,

Tabel 9.5 Perhitungan Untuk Persamaan Regresi σ𝑋 87 σ𝑌 138

𝑋ത= 𝑛 𝑖 = 10 = 8,70 𝑌ത= 𝑛 𝑖 = 10 = 13,80
Xi Yi Xi2 Yi2 XiYi
2 4 4 16 8 Per rumus (9.3) didapat,
4 5 16 25 20 𝑛 σ 𝑋 𝑖 𝑌𝑖 −σ 𝑋 𝑖 σ 𝑌𝑖
b=
𝑛 σ 𝑋𝑖2 −ሺσ 𝑋 𝑖 ሻ2
6 8 36 64 48
10ሺ1449ሻ−ሺ87ሻሺ138ሻ
7 10 49 100 70 = 10ሺ899ሻ−ሺ87ሻ2
8 12 64 144 96 14490−12006
= 8990−7569
10 16 100 256 160
2484
=
11 18 121 324 198 1421

12 20 144 400 240 = 1,75

13 21 169 441 273
14 24 196 576 336 Selanjutnya per rumus (9.4) didapat
87 138 899 2346 1449 a= ഥ
Y − b. ഥ
X
= 13,8 − 1,75 ሺ8, 7ሻ
= 13,8 − 15,23
= −1,4
Jadi, persamaan regresinya
෡
ฎ
𝑌 = −1,43 + 1,75𝑋
(b) Interpretasi terhadap koefisien garis regresi, b (d) Koefisien korelasi
Nilai b = 1,75, memiliki arti bahwa bila upah tenaga kerja dinaikkan 1 juta rupiah maka r =ξ 𝑟 2
produksi meningkat sebesar 1,75 ton atau bila upah tenaga kerja diturunkan Rp1 juta maka =ξ 0,98
produksi akan turun sebanyak 1,75 ton.
= ± 0,99
(f) Kesalahan baku dari dugaan Oleh karena, tanda koefisien regresi positif maka tanda koefisien korela-sinya juga positif.
(c) Koefisien determinasi, r2 Jadi, koefisien korelasinya adalah 0,99.
Dari hasil perhitungan poin (a) dan hasil peritungan Tabel 9.52 diperoleh a = -1,43; b =
Dari Tabel Nilai r = 0,99, menunjukkan bahwa antara upah tenaga kerja dan produksi terdapat hubungan
2 9.5 dan poin (a) dapat diketahui ∑Y i = 138, ∑Yi = 2346,
1,75; ∑Yi = 2346; ∑XiYi= 1449; ∑Yi = 138; Ῡ= 13,8.
(korelasi) positif dan kuat
Per∑X i Yi =(9.12)
rumus 1449, didapat,
a =-1,43 , b = 1, 75 serta n =10.
𝑎 σ 𝑌𝑖 +𝑏 σ 𝑋 𝑖 𝑌𝑖 −𝑛ሺ𝑌തሻ2
r2 = σ 𝑌12 −𝑛 ሺ𝑌തሻ2 (e) Taksiran nilai Y untuk X = 12,5
Per rumus (9.7) didapat,
−1,43ሺ138ሻ + 1,75ሺ1449ሻ − 10ሺ13,8ሻ2
= Pada poin (a) telah disusun persamaan regresin, Ῡ =-1,43 +1,75 X
ሺ2.348 ሻ−
σ 𝑌12 −𝑎 𝑖 −𝑏ሺ
σ 𝑌10 σ 𝑋 𝑖 𝑌𝑖ሻ2
13.8
.S 𝑌𝑠 = ට ሺ𝑛−2−
ሻ 1.904,4 Untuk X = 12 → Ŷ = -1,43 + 1,75 (12,5)
−197,34 + 2.535,75
=
2.346 − 1.904,4 = 20,45
2.348 − ሺ−1,43ሻሺ138ሻ − 1,75ሺ1.449ሻ
= =
ඨ
434,01
Jadi, bila upah tenaga kerja yang dikeluarkan sebesar 12,5 juta rupiah, maka produksinya
441,60 ሺ10 − 2ሻ
= 0,98 ditaksirkan sebanyak 20,45 ton
9,59
=ඨ = 1,09
8
Jadi, koefisien determinasinya = 0,98
Jadi, kesalahan baku dari dugaan, S𝑌𝑥 = 1,09
 9. Korelasi Peringkat
Untuk
   menentukan (mencari) koefisien korelasi, hubungan anatar dua variabel yang datanya
berupa data ordinal, salah satunya dapat digunakan rumus Spearman sebagai berikut:
r (9.15)
r = koefisien korelasi
n = banyaknya pasangan data/ukuran sampel/ banyaknya pengamatan
∑ = banyaknya pasangan rank
di = selisih dari pasangan rank ke-i
Contoh 9 - 11 Tabel 9.7. Cara Menghitung Koefisien Korelasi dengan rumus
Di bawah ini adalah data mengenai pengalaman kerja (dalam tahun) dan hasil penjualan Spearman.

(dalam juta rupiah) 10 orang salesman dari sebuah peru­ sahaan untuk sejenis barang tertentu           di  
Nama Pengalaman Rank Hasil Rank Y Selisih di2
Nama A B C D E F G H I J   Kerja (X) X Penjualan (Y) Rank
Pengalaman 6 5 3 8 9 4 10 7 1 2
A 6 5 50 3 2 4
Kerja (Tahun)
B 5 6 33 7 -1 1
Hasil Penjualan 50 33 41 60 35 32 57 30 45 22
C 3 8 41 5 3 9
(Juta Rupiah)
D 8 3 60 1 2 4
E 11 2 35 6 -4 16
Berdasarkan data tesebut, hitunglah korelasi peringkatnya. F 4 7 32 8 -1 1
G 12 1 57 2 -1 1
1. Terlebih dahulu masing-masing nilai data observasi dari H 7 4 30 9 -5 25
I 1 10 45 4 6 36
masing-masing variabel diberi nomer urut (ranking). Pemberian J 2 9 22 10 -1 1
nomer ini dimulai dari data dengan nilai terbesar. Data dengan Total           98
nilai terbesar bisa diberi nomor ranking terkecil atau sebaliknya. Dari Tabel 9.7, dapat diketahui bahwa ∑∑di2= 98, dan diketahui n = 10
Berikut ini, data dari masing-masing variabel dengan nilai Per rumus (9.15) didapat,
terbesar, diberi ranking mulai dengan nilai terkecil yaitu nomer 6 σ 𝑑2
𝑖
= 1 − 𝑛ሺ𝑛 2 −1ሻ
1. Andaikata pemberian nomer ranking dibalik yaitu
6ሺ98ሻ
pengalaman kerja terlama dan hasil penjualan terbesar diberi = 1 − 10ሺ102 −1ሻ
ranking mulai dengan nomor urut terbesar yaitu 10, akan =1−
588

memberikan hasil yang sama. 990

= 1 − 0,59
= 0,41
Jadi, koefisien korelasi peringkatnya adalah 0,41
SESI PERTANYAAN
Om Shanti Shanti Shanti Om...