REGRESI LINIER DAN

KORELASI
1. AULIA TASYA
2. FITRI
3. FINALYA
KORELASI DAN REGRESI LINIER
● Sering kali dalam suatu penelitian kita ingin mengetahui hubungan antara dua variabel yang
berjenis numerik, misalnya hubungan berat badan dengan tekanan darah, hubungan umur dengan
kadar Hb, dan sebagainya
● Dari hubungan dua variabel numerik dapat dihasilkan dua jenis, yaitu derajat atau keeratan
hubungan, digunakan korelasi. Sementara itu, bila ingin mengethaui bentuk hubungan dua variabel,
digunakan analisis regresi linier
 ANALISIS KORELASI
 Secara sederhana atau secara visual hubungan dua variabel dapat dilihat dari
diagram tebar/pencar (scatter plot). Diagram tebar adalah grafik yang
menunjukkan titik-titik perpotongan nilai data dari dua variabek ( X dan Y).
Variabel independen (X) diletakkan pada garis horizontal, sedangan variabel
dependen (Y) pada garis vertikal.
 Diagram tebar juga dapat menggambarkan keeratan hubungan dari kedua
variabel tersebut
 Untuk mengetahui lebih tepat derajat hubungan dua variabel digunakan
Koefisien Korelasi Pearson Product Moment. Koefisien korelasi
disimbolkan dengan r
 Koefisien korelasi ( r ) dapat diperoleh dari formula berikut :

 
r=
KORELASI
● Nilai korelasi ( r ) berkisar 0 s.d 1 atau bila dengan disertai arahnya nilainya antara -1 s.d +1

r = 0 → tidak ada hubungan linier

r = -1 → hubungan linier negatif sempurna
r = +1 → hubungan linier positif sempurna

● Menurut Colton, kekuatan hubungan dua variabel secara kualitatif dapat dibagi dalam empat area
sebagai berikur

r = 0,00 – 0,25 → tidak ada hubungan/lemah

r = 0,26 – 0,50 → hubungan sedang
r = 0,51 – 0,75 → hubungan kuat
r = 0,76 – 1,00 → hubungan sangat kuat/sempurna
CONTOH SOAL KORELASI
● Suatu survei ingin mengetahui hubungan anatara usia dengan lama hari rawat di RS X tahun x, survei
dengan mengambil sampel 5 pasien dan hasilnya sebagai berikut :

UMUR (TAHUN) 20 30 25 35 40

LAMA DIRAWAT (HARI) 5 6 5 7 8

Hitunglah korelasinya dan interpretasikan!

●PASIEN
  USIA=X LAMA HARI RAWAT =Y XY

1 20 5 100 400 25

2 30 6 180 900 36

3 25 5 125 625 25

4 35 7 245 1225 49

5 40 8 320 1600 64

5 150 31 970 4750 199

 
r= =
r=
r=

r=
● Interpretasi : hubungan umur dengan lama hari rawat menunjukan hubungan yang sangat kuat (r=0,97)
dan berpola linier positif. Artinya, semakin tinggi usia pasien, semakin lama hari rawatnya
 REGRESI LINIER
● Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk mengetahui bentuk
hubunfan anatara dua atau lebih variabel
● Tujuan analisis regresi adalah untuk membuat perkiraan (prediksi) nilai suatu variabel (variabel
dependen) melalui variabel yang lain ( variabel independen).
● Analisis regresi lebih akurat dalam analisis korelasi karena tingkat perubahan suatu variabel terhadap
variabel lainnya dapat ditentukan.
● Regresi linier adalah regresi yang yang variabel bebasnya (variabel X) berpanglat paling tinggi satu.
Untuk regresi sederhana, yaitu regresi linier yang hanya melibatkan dua variabel (X dan Y)
PERSAMAAN REGRESI LINIER DARI Y TERHADAP X
Y = a + bX
Keterangan :
Y = Variabel terikat
X = Variabel bebas
a = intersep/konstanta
b = koefisien regresi/slop

● Mencari nilai a dan b

Rumus
   
a=
b=

Dimana :
a = konstanta
b = koefisien X
Masukan ke dalam rumus Y = a + bX
Contoh soal :
dari contoh soal korelasi sebelumnya, hitunglah persamaan garis regresi dan prediksikan pasien yang
berumur 40 tahun berapa lama hari rawatnya!
PASIEN USIA=X LAMA HARI RAWAT =Y XY
 
 

1 20 5 100 400 25 b=

2 30 6 180 900 36

3 25 5 125 625 25  
a=
4 35 7 245 1225 49

5 40 8 320 1600 64

5 150 31 970 4750 199

b=

a = 6,2 – (0,16)(30) = 1,4

KOEFISIEN DETERMINASI (R²)
● Nilai determinasi R² sebesar 0,9411 atau 94,11
  %
● Semakin besar nilai R square semakin baik
atau semakin tepat variable independent
memprediksi variable dependen. Besarnya
nilai R square antara 0 s/d 1 atau antara 0% s/d
100%
=1
 SELISIH TAKSIR STANDAR (STANDAR DEVIASI)

●  
Angka indeks yang digunakan untuk mengukur ketepatan suatu penduga atau mengukur jumlah variasi
titik-titik observasi di sekitar garis regresi.
● Jika semua titik observasi berada tepat pada garis regresi, selisih taksir standar sama dengan nol.
Menunjukkan pencaran data
● Selisih taksir standar berguna mengetahui Batasan seberapa jauh melesetnya perkiraan dalam meramal
data.

Rumus : Keterangan : = = selisih taksir standar

Y = X = nilai variable sebnernya
  Yʹ = Xʹ = Nilai variable yg diperkirakan
= = = n = jumlah frekunsi

ATAU
 
= = =
Contoh Soal
 ANALISIS REGRESI BERGANDA

RUMUS
 Bentuk persamaan regresi dengan dua variable independent adalah :
  Y=a+
 Bentuk persamaan regresi dengan 3 variable independent adalah
  Y=a+ + +
 Bentuk umum persamaan regresi untuk k variable independt dapat
dirumuskan sebagai berikut :
  Y=a+ + + …
PERSAMAAN UNTUK MENDAPATAN KOEFISIEN REGRESI

●  
Prinsip metode Ordinary Least Square (OSL) adalah meminimumkan jumlah kuadrat deviasi di sekitar
garis regresi. Nilai koefisien regresi a, , dapat dipecaahkan secara simultan dari tiga persamaan berikut :

1.  = na +  +  (a)
2. Y = a² +   (b)
3. Y = a +  +  ( c )
 METODE PENARIKAN SAMPEL
● POPULASI
Populasi adalah keseluruhan unit analisis yang karakteristiknya akan diduga. Anggota (unit) populasi
disebut elemen populasi. Contoh : indivindu penderita penyakit TBC, virus HIV, hasil produksi sawah, dan
polutan di suatu industry.

● SAMPEL
sampel adalah Sebagian populasi yang ciri-cirinya diselidiki atau diukur. Unit sampel dapat sama
dengan unit populasi, tetapi dapat juga berbeda. Sebagai contoh, unit analisis atau populasi suatu penelitian
adalah bayi berumur di bawah tiga tahun, hal yang akan diteliti adalah kebiasaan makannya, unit sampelnya
adalah ibu yang mempunyai anak berumur dibawah tiga tahun karena tidak mungkin pertanyaan tentang
makanan bayi dapat ditanyakan langsung kepada bayi tersebut
Alasan penarikan sampel

• Adanya populasi yang sangat besar

• Homogenitas
• Penarikan sampel menghemat
biaya dan waktu
• Ketelitian/ketepatan pengukuran
• Adanya penelitian yang untuk
melakukannya objek penelitian
tersebut harus dihancurkan
Syarat-syarat sampel yang ideal
• Dapat menghasilkan gambaran karakter populasi yang
tepat
• Dapat menentukan presisi (ketepatan) hasil penelitian
dengan menentukan simpangan baku dari taksiran
yang diperoleh
• Sederhana, mudah dilaksanakan
• Dapat memberikan keterangan sebanyak mungkin
dengan biaya serendah mungkin
KERANGKA
SAMPEL
(SAMPLING
FRAME)

Kerangka sampel adalah daftar

semua unsur sampel dalam
populasi, misalnya jumlah
penduduk di suatu daerah kerja
puskesmas, jumlah penderita
AIDS di suatu daerah, buku
telepon, atau peta suatu wilayah.
Daftar sampel ini harus up to
date.
 PENARIKAN SAMPEL

a. Pengambilan sampel b. Pengambil sampel secara

secara acak (probability tidak acak (non probability
sampling) sampling)
 PROBABILITY SAMPLING

Teknik sampling
Probability sampling =
berpeluang sama untuk semua
populasi menjadi sampel

Nonprobability sampling = tidak

memiliki peluang sama untuk
semua populasi menjadi sampel
 TEKNIK SAMPEL

• Penarikan sampel secara acak

Probability • Sistematis
• Sampel strata
sampling • Klaster
• Sampel bertingkat/bertahap

Non • Purposive sampling

• Insidental sampling
probability • Quota sampling

sampling
 PROBABILITY SAMPLING
a. Acak sederhana (simple random sampling = SRS)
cara ini dapat dilakukan apabila populasi tidak begitu banyak variasinya dan secara geografis tidak
terlalu menyebar, disamping itu harus ada daftar populasi (sampling frame). Caranya adalah :
1) Dengan melakukan undian
2) Memakai table bilangan random
3) Memakai paket computer

b. Sistematis (systematic random sampling)

sampel yang diambil secara acak hanya unsur pertama, selanjutnya diambik secara sistematik sesuai
Langkah yang sudah ditetapkan. Syarat pengambilan sampel secara systematic adalah :
1. Tersedianya kerangka sampling
2. Populasinya mempunyai pola beraturan seperti blok-blok rumah
3. Nomor urut pasien
4. Populasi sedikit homogen
 PROBABILITY SAMPLING
c. Klaster (cluster sampling)
populasi dibagi ke dalam gugus/kelas yang diasumsikan di dalam setiap kelas/gugus sudah terdapat
semua sifat/variasi yang akan diteliti. Selanjutnya kelas yang akan diacak dan unit sampel akan diambil dari
kelas yang sudah tertarik. Syarat untuk pengambilan sampel ini adalah :
1. Di dalam kelas sehomogen mungkin
2. Antarkelas seheterogen mungkin
3. Disebut juga area sampling

d. Sampel bertingkat/bertahap (multistage sampling)

pengambilan sampel ini dilakukan kalua secara geografis populasi sangat menyebar dan meliputi area
yang sangat luas.
 NON PROBABILITY SAMPLING
a. Purposive sampling
sampel ditentukan oleh orang yang telah mengenal betul populasi yang akan diteliti (seorang ahli di
bidang yang akan diteliti). Dengan demikian, sampel tersebut mungkin representative untuk populasi yang
sedang diteliti.

b. Insidental sampling
sampel tersebut tidak terencana dan penggambaran hasil dari pengumpulan data tersebut tidak
didasarkan pada suatu metode yang baku

c. Quota sampling
sampel yang akan diambil ditentukan oleh pengumpulan data dan sebelumnya telah ditentukan jumlah
yang akan diambil. Kalau jumlah tersebut sudah dicapai, di pengumpul data berhenti, selanjutnya hasil itu
dipresentasikan.
 BESAR SAMPEL
Berapa besar sampel yang akan diambil di dalam suatu penelitian agar dapat mewakili populasi atau sampel
tersebut representative? Hal ini sangan tergantung pada hal-hal berikut :
1. Biaya yang tersedia, waktu, serta tenaga yang akan melaksanakan
2. Variasi yang ada di dalam variable yang akan diteliti serta banyaknya variabek yang akan diamati.
3. Presisi, ketepatan yang dikhendaki, semakin besar sampel kemungkinan akan lebih tepat menggambarkan
populasinya.
4. Rencana analisis
 ERROR (PENYIMPANGAN)
Penyimoangan hasil yang diperoleh dari pengukuran sampel dapat terjadi dalam dua jenis berikut
1. Sampling error, sebenarnya hak ini bukan merupakan kesalahan yang sebenernya, tetapi merupakan
variasi dari konsekuensi pengambilan sampel
2. Non sampling error, yaitu error yang tidak disebabkan oleh sampel, tetapi disebabkan pelaksanaan dalam
pengambilan sampel sampai analisisnya, seperti :

a. Pada saat perencanaan,

b. Pelaksanaan,

c. Pengolahan

d. Analisis dan interpretasi.