Korelasi & Regresi

Sederhana

Korelasi & Regresi digunakan

untuk mengukur hubungan
antara dua atau lebih variabel.
 Pengertian dan Jenis-jenis Analisis Regresi

Perbedaan antara Analisis Regresi dan korelasi

ANALISIS Diagram Pencar

REGRESI
SEDERHANA Regresi linear Persamaan Garis Regresi
Sederhana
Contoh Kasus
 ANALISIS REGRESI
. PENGERTIAN
Analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu
variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
bebas), dengan tujuan untuk meramalkan atau memprediksi nilai suatu
variabel terikat (Y) berdasarkan nilai variabel bebas (X) yang telah diketahui.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing
variable bebas (X). Koefisien ini diperoleh dengan cara memprediksi nilai
variable terikat (Y) dengan suatu persamaan yang disebut dengan persamaan
garis regresi.

JENIS-JENIS
Analisis Regresi terdiri dari:
1. Regresi Linier Sederhana ( Memiliki 1 variabel bebas dan 1 variabel terikat)
2. Regresi Linier Ganda ( Memiliki >1 variabel bebas dan 1 variabel terikat)
 PERBEDAAN ANALISIS KORELASI DAN REGRESI
Analisis Korelasi
Digunakan untuk mencari arah dan kuatnya
hubungan antara 2 variabel atau lebih.
Bentuk hubungan antar variabel tidak harus
bersifat kausal (sebab akibat)
Menghasilkan koefisien korelasi ( r ) yang
menunjukkan kuatnya hubungan antar
variabel.
Analisis Regresi
Digunakan untuk memprediksi/meramalkan
seberapa jauh perubahan nilai variabel
terikat apabila nilai variabel bebas di
manipulasi/ dirubah-rubah/ dinaik-turunkan.
Bentuk hubungan antar variabel harus
bersifat kausal (sebab akibat)
Menghasilkan koefisien regresi (b) yang
menunjukkan angka peningkatan ataupun
penurunan variabel terikat yang didasarkan
pada perubahan variabel bebas.

 Walaupun terdapat perbedaan antara analisis korelasi dan regresi, tetap saja kedua
analisis tersebut sama-sama yang mengukur hubungan statistik yang terjadi antara dua
variabel atau lebih. Selain itu, terdapat juga keterkaitan antara koefisien korelasi dan
koefisien regresi, yang mana :
“bila koefisien korelasi ( r ) tinggi, pada umumnya koefisien regresi ( b ) juga tinggi.“
“bila koefisien korelasi ( r ) negatif (), pada umumnya koefisien regresi ( b ) juga
negatif () dan sebaliknya.
 REGRESI LINIER SEDERHANA
, Regresi linear sederhana didasarkan pada hubungan kausal (sebab akibat) antara
2 variabel (satu variabel bebas dengan satu variabel terikat.)

Diagram pencar adalah grafik yang menggambarkan hubungan antara variabel

bebas dan variabel terikat.
Fungsi Diagram pencar adalah untuk menentukan apakah variabel yang diteliti
regresinya merupakan regresi linier atau bukan regresi linier.

Suatu regresi dikatakan regresi linier apabila titik-titik point terletak atau
membentuk garis lurus. Suatu regresi dikatakan regresi non linier apabila titik-
titik point terletak secara acak dan tidak membentuk garis lurus.

Ketika regresi dinyatakan regresi linear (terdapat hubungan yang linier antar
variabel), maka kita akan menyatakan secara matematika dengan sebuah
persamaan garis lurus yang disebut persamaan garis regresi linier.
 REGRESI LINIER SEDERHANA
•Bentuk
  umum persamaan garis regresi linier adalah sbb :
𝒀
^ =𝒂+𝒃𝑿
 

dimana : subjek dalam variabel terikat yang diprediksikan

Nilai konstanta harga Y jika
Koefisien arah regresi yang menunjukkan angka peningkatan
atau penurunan variabel terikat yang didasarkan pada perubahan variabel bebas.
Bila (+) arah garis naik, dan bila () arah garis turun.
ubjek dalam variabel bebas yang mempunyai nilai tertentu.

Nilai dan untuk regresi linear dapat dihitung dengan rumus:

 
𝒃=
𝒏 . ∑ 𝑿𝒀 − ∑ 𝑿 . ∑ 𝒀
𝟐
𝒏 . ∑ 𝑿 − ¿¿ ¿
 
𝒂 =¿ ¿
Jika koefisien diketahui terlebih dahulu, maka nilai dapat diketahui dengan:

𝒂=𝒀´ . 𝒃 𝑿´
  atau
𝒂=
 
∑ 𝒀 −𝒃¿¿¿
 CONTOH KASUS REGRESI LINIER SEDERHANA

Misalkan diketahui pengaruh motivasi siswa terhadap karakteristik guru

dalam PBM di kelas berdasarkan data hasil pengamatan. Data tersebut
disajikan dalam tabel berikut:

Motiivasi Siswa (X) tahun 2 3 1 4 1 3 2 2

Karakteristik Guru (Y) unit 50 60 30 70 40 50 40 35

Pertanyaan:
a. Tentukan bentuk persamaan regresi sederhananya !
b. Gambarkan arah garis regresi pada diagram pencar !
c. Buktikan apakah terdapat pengaruh yang signifikan antara Motivasi
Siswa (X) terhadap Karakteristik Guru (Y).
d. Buktikan apakah data tersebut berpola linier.
Jawab :
•  
a. Menentukan bentuk persamaan regresi
Langkah-langkah :
1. Buat tabel perhitungan 2. Cari nilai

No. X Y XY  
1. 2 50 4 2500 100
2. 3 60 9 3600 180 𝟖.𝟗𝟑𝟎-𝟏𝟖.𝟑𝟕𝟓
𝟖.𝟒𝟖-(𝟏𝟖)𝟐
3. 1 30 1 900 30 𝟕.𝟒𝟒𝟎-𝟔.𝟕𝟓𝟎 = 690 = 11,5
4. 4 70 16 4900 280 𝟑𝟖𝟒-𝟑𝟐𝟒 60

5. 1 40 1 1600 40
3. Cari nilai
6. 3 50 9 2500 150
7. 2 40 4 1600 80
8. 2 35 4 1225 70  
375 - 11,5.18
N=8 8
18
18 375
375 48
48 18.82
18.82 930
930 375 – 207 = 168 = 21
5
5 8 8
•  
4. Buat persamaan regresi sederhana
Buat pers. regresi sederhana dengan cara mensubstitusikan nilai a dan b yang
telah diperoleh, sehingga :

Jadi, persamaan regresi sederhananya adalah

b. Gambarkan arah garis regresi pada diagram pencar

Data yang diketahui :

X 2 3 1 4 1 3 2 2
5 6 3 7 4 5 4
Y 35
0 0 0 0 0 0 0

   
•  
Berdasarkan diagram pencar tersebut, memperlihatkan bahwa letak titik-titik
cenderung/mendekati garis lurus sehingga dapat diduga regresinya adalah regresi
linier.

c. Buktikan apakah terdapat pengaruh yang signifikan antara Motivasi

Siswa (X) terhadap Karakteristik Guru (Y)

Langkah-langkah menjawab :

1. Membuat dan dalam bentuk pernyataan :

  : Tidak terdapat pengaruh yang signifikan antara motivasi siswa

terhadap karakteristik guru dalam PBM.

  : Terdapat pengaruh yang signifikan antara motivasi siswa

terhadap karakteristik guru dalam PBM.

2. Membuat Tabel perhitungan

(seperti tabel perhitungan yg telah dibuat sebelumnya)
•   No. X Y XY
1. 2 50 4 2500 100
2. 3 60 9 3600 180
3. 1 30 1 900 30
4. 4 70 16 4900 280
5. 1 40 1 1600 40
6. 3 50 9 2500 150 Tabel
7. 2 40 4 1600 80 Perhitungan
8. 2 35 4 1225 70
N=8
18
18 375
375 48
48 18.825
18.825 930
930

3. Menghitung :
 Jumlah Kuadrat Koefisien ( )
 Jumlah Kuadrat Regresi ( )
 Jumlah Kuadrat Residu ( )
 Rata-rata Jumlah Kuadrat Koefisien ( )
 Rata-rata Jumlah Kuadrat Regresi ()
 Rata-rata Jumlah Kuadrat Residu ( )
   
= = 17.578,125

   
= = 11,5 { 930 - }

 
= 11,5 { 930 - } = 11,5 { 930 – 843,75 }

= 11,5 { 86.25}
= 991, 875
•  
4. Mencari nilai dan

   
Dengan taraf signifikan carilah nilai menggunakan Tabel
==
F , dimana :
= 23,33
= =
= =

Sehingga diperoleh:
Pembilang

Penyebut
5. Membandingkan nilai dan
Kaidah pengujian signifikansi :

 Jika maka Tolak artinya signifikan

Jika maka Terima artinya tidak signifikan
Karena atau maka Tolak artinya signifikan.
•  
6. Membuat Kesimpulan

Karena atau maka Tolak . Dengan demikian terdapat pengaruh yang signifikan
antara motivasi siswa terhadap karakteristik guru dalam PBM.

d. Buktikan apakah data tersebut berpola linier

Langkah-langkah menjawab :

1. Membuat dan dalam bentuk pernyataan :

  : Data berpola tidak linier

  : Data berpola linier

2. Membuat Tabel penolong untuk mencari Jumlah Kuadrat Error ()
Tabel penolong dibuat dengan cara mengurutkan data variabel X mulai dari data
terkecil sampai terbesar dan disertai data pasangannya (Y), seperti pada tabel
berikut :
•   Tabel Penolong
No. X Y Kelompok
1. 2 50 1 30
2
2
2. 3 60 1
1 40
40
3. 1 30 2
2 35
35
4. 4 70 2
2 3
3 40
40
5. 1 40 menjadi 2 50
2 50
6. 3 50 3 50
3 2 50
7. 2 40 3 2 60
3 60
8. 2 35 4 1 70
4 1 70

3. Menghitung :
 Jumlah Kuadrat Error( )
 Jumlah Kuadrat Tuna Cocok ( )
 Rata-rata Jumlah Kuadrat Tuna Cocok ( )
 Rata-rata Jumlah Kuadrat Error( )
   
= =

 𝑘 1

 
= ………………..

 
= ……………….. JAWABAN
DIBAWAH

 
= ………………..
•  
4. Mencari nilai dan

   Dengan taraf signifikan carilah nilai menggunakan Tabel

== F , dimana :

= =
= = 4-2)(8-4) = (2) (4)

Sehingga diperoleh:
Pembilang

Penyebut
5. Membandingkan nilai dan
Kaidah pengujian Linieritas :

 Jika maka Tolak artinya data berpola linier

Jika maka Terima artinya data berpola tidak linier

Karena atau 6,94 maka ditolak artinya Data Berpola Linear.

•  
6. Membuat Kesimpulan

Karena atau 6,94 ditolak Dengan demikian variabel motivasi siswa terhadap
karakteristik guru dalam PBM Berpola Linear

Selanjutnya…
Hasil perhitungan pada langkah 3, 4, 5 dan 6 pada uji signifikansi dan uji linieritas
dipaparkan pada :

“Tabel Analisis Varians (Anava) Regresi Linier Sederhana

(Uji Signifikansi & Uji Linieritas)”
 Tabel Analisis Varians (Anava) Regresi Linier Sederhana
(Uji Signifikansi & Uji Linieritas)
Derajat
Sumber Jumlah Kuadrat
Kebebasan
Variansi (JK)
(dk)
Sig:
Sig:
Total
Total 23,34
23,34 5,99
5,99
Koefisien Linier :
()
1 = = Linier
0,353: 6,94
1 0,353 6,94
Regresi Keterangan:
1 Perbandingan dengan :
1
Residu  Karena atau maka
(Sisa)
Residu Tolak artinya
(Sisa)
Tuna signifikan
Cocok Karena atau maka
Tuna Tolak artinya data
Kesalahan
Cocok berpola linear
(Error)

Kesalahan
(Error)