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
2. Regresi Linier
3. Interpretasi Terhadap 4. Menaksir Nilai
1. Pengertian Regresi Sederhana : Metode
Nilai Koefisien Regresi Variabel Terikat Y
Kuadrat Terkecil
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 + bXi (9.1)
(9.2) Koefisien regresi b pada (9.3) dapat juga dihitung melalui bentuk deviasial penyimpangan
2
XiYi = ax + bX ̄ ) xi dan (Yi - ȳ ) = yi,
masing - masing data terhadap maen-nya masing masing yaitu : (Xi - X
sebagai berikut
0 X
Xi2
3. Interpretasi Terhadap Nilai 4. Menaksir Nilai Variabel
Koefisien Regresi Terikat Y
Tanda positif atau negatif dari nilai koefisien regresi, Dari serangkaian data sampel yang terdiri dari n
bukanlah menyatakan Tanda aljabar, melainkan pasangan data (Xi,Yi), nilai a dan b dihitung,
menyatakan arah hubungan atau lebih tegasnya kemudian persamaan regresi sampelnya yaitu Ỳ=
menyatakan pengaruh variabel bebas X terhadap a+bX dapat disusun. Selanjutnya berdasarkan
variabel terikat Y. Nilai b yang positif menyatakan persamaan regresi tersebut, dapat ditaksir nilai
bahwa variabel bebas X berpengaruh positif terhadap variabel teikat Y, pada nilai variabel bebas (X)
nilai variabel terikat Y. Sedangkan nilai b yang negatif tertentu, dalam batas batas nilai X data pengamatan.
( b dengan tanda yang negatif) menyatakan bahwa Caranya yaitu dengan memasukkan X dengan nilai
variabel bebas X berpengaruh negatif terhadap nilai tertentu ke persamaan regresi, Ỳ= a+bX
variabel trikat Y.
Interpretasi terhadap nilai koefisien regresi, b adalah
sebagai berikut:
1. b = k (k bertanda positif ),
2. b = – k (k bertanda negatif ),
Penyelesaian:
a) Menyusun persamaan regresi
Contoh 9-1 Tabel 9.1 perhitungan unsur unsur persamaan regresi
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
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
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
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.
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
(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
= 1 − 0,59
= 0,41
Jadi, koefisien korelasi peringkatnya adalah 0,41
SESI PERTANYAAN
Om Shanti Shanti Shanti Om...