Regresi dan korelasi

• Regresi untuk mempelajari pola dan mengukur

hubungan antar variabel
Persamaan linier regresi sederhana ditentukan
sebagai berikut
Y = a + bx
• Korelasi adalah Derjat hubungan antar variabel
Regresi vs Korelasi
Regresi vs Korelasi
CONTOH
• Umur vs Tinggi Tanaman (X: Umur; Y: Tinggi)
• Biaya Promosi vs Volume Penjualan (X: Biaya;
Y: Volume)
 Tujuan garis regresi unuk meliat hubungan
Case Summariesa

1
CONTOH berat badan
15.00
umur
20.00
2 13.00 16.00
3 9.00 12.00
4 6.00 6.00
5 6.00 10.00
6 18.00 34.00
7 16.00 25.00
8 11.00 20.00
9 6.00 8.00
10 12.00 14.00
11 18.00 30.00
12 22.00 36.00
13 7.00 9.00
14 10.00 10.00
15 10.00 15.00
16 14.00 24.00
17 20.00 30.00
Total N 17 17
a. Limited to first 100 cases.
 Persamaan Regresi Linear dari Y terhadap X

Y = a + bX
Keterangan :
Y = variabel terikat
X = variabel bebas
a = intersep / konstanta
b = koefisien regresi / slop
Persamaan regresi linear di atas dpt pula dituliskan dlm bentuk

 xy 
Y   2 x
 x 
 Mencari nilai a dan b

• Rumus 1
(Y )(X 2 )  (X )(XY )
a
(n)(X 2 )  (X ) 2
( n)( XY )  (X )( Y )
b
( n)( X 2 )  (X ) 2
• Rumus II
(n)(XY )  (X )(Y )
b 2 2
(n)(X )  (X )
__ ___
a  Y  b. X
 Contoh Kasus 1

Berikut adalah data biaya promosi dan volume penjualan roti.

Tentukan persamaan garis regresi dari data berikut!
X = biaya promosi (juta rupiah)
Y = volume penjualan (ratusan potong roti)

Tahun X Y

1992 2 5

1993 4 6

1994 5 8

1995 7 10

1996 8 11

n=5 ∑x = 26 ∑y = 40
 Contoh Kasus 1
Tahun X Y X2 Y2 XY

1992 2 5 4 25 10

1993 4 6 16 36 24

1994 5 8 25 64 40

1995 7 10 49 100 70

1996 8 11 64 121 88

n=5 ∑x = 26 ∑y = 40 ∑x2 = 158 ∑y2 = 346 ∑xy = 232

 Contoh Kasus 1
JAWAB:
Bentuk umum persamaan regresi linear sederhana:
Y = a + bX
n=5
 Contoh Kasus 2
Peramalan dengan Persamaan Regresi:
Y = 2,530 + 1,053 X
Dari persamaan regresi linear tersebut, bila biaya promosi 10
juta, berapa volume penjualannya?

Y = 2,530 + 1,053 X
X = 10
Y = 2,53 + 1,053 (10) = 2,53 + 10,53 = 13,06 (ratusan juta kue)

Volume penjualan = 13,06 x 100 kue

 Contoh Kasus 2
Tahun X Y Y = 2,530 + 1,053 X

1992 2 5 4,636

1993 4 6 6,742

1994 5 8 7,795

1995 7 10 9,901

1996 8 11 10,954

10 13,06

n=5 ∑x = 26 ∑y = 40
CONTOH KASUS 3

Karyawan Hasil Produksi Skor Tes

(lusin) Kecerdasan
(Y) (X)
A 30 6

B 49 9

C 18 3

D 42 8

E 39 7

F 25 5

G 41 8

H 52 10
Karyawan Hasil Produksi Skor Tes
(lusin) Kecerdasan
Diagram Pencar
(Y) (X)
60
A 30 6
55
B 49 9
50
C 18 3
D 42 8 45

Hasil Produksi (lusin)

E 39 7 40
F 25 5
35
G 41 8
30
H 52 10
25

20

15

10

0
0 1 2 3 4 5 6 7 8 9 10 11
Hasil Tes Kecerdasan
Tabel perhit.

Karyawan Hasil Produksi Skor Tes y x xy x2 y2

(lusin) (Y) (X) Y  Y  X  X 
A 30 6 -7 -1 7 1 49

B 49 9 12 2 24 4 144

C 18 3 -19 -4 76 16 361

D 42 8 5 1 5 1 25
E 39 7 2 0 0 0 4

F 25 5 -12 -2 24 4 144

G 41 8 4 1 4 1 16

H 52 10 15 3 45 9 225
296 56 0 0 185 36 968

Y
 Y 296
  37 X
 X

56
7
N 8 N 8
 b
 xy 185
  5,138 ~ 5,14
Diagram Pencar

 x 36 2 60

55

50

45

a  Y  b X  37  5,147   1,02

Hasil Produksi (lusin)

40

35

30

25

20

Y '  1,02  5,14 X

15

10

X  3  Y '  1,02  5,143  16,44 0

0 1 2 3 4 5 6 7 8 9 10 11

 5  Y '  1,02  5,145  26,72

Hasil Tes Kecerdasan

X
X  6  Y '  1,02  5,146  31,86
X  10  Y '  1,02  5,1410   52,42
 Pembacaan garis regresi
Contoh: Jika garis regresi ditunjukkan dengan
persamaan : 1
y  2,94  0,95 x

maka dapat diartikan bahwa : hasil penjualan

akan bertambah sebesar 0,95 pada setiap
kenaikan pengeluaran iklan sebanyak 1 satuan
 Koefisien Regresi
• Adalah lereng garis regresi (nilai b)
• Nilai b positif , menunjukkan hubungan antara
variabel x dan y searah atau hubungannya
positif.
• Nilai b negatif, menunjukkan hubungan antara
variabel x dan y berlawanan arah atau
hubungannya negatif
• Besar kecilnya perubahan variabel x terhadap
variabel y ditentukan besar kecilnya koefisien
regresi.
 Korelasi
• Korelasi (r) atau koefisien korelasi
– Menyatakan tingkat keeratan atau seberapa kuat hubungan antara dua variabel
= ukuran hubungan dua variabel

• Nilai r berkisar antara (-1) hingga (+1)

• Nilai r yang (+) ditandai oleh nilai kovarians yang (+)

• Nilai r yang (-) ditandai oleh nilai kovarians yang (-)

• Jika nilai r mendekati (-1) atau (+1), maka X dan Y memiliki korelasi linear
yang tinggi
• Jika nilai r = -1 atau r = +1, maka X dan Y memiliki korelasi linear
sempurna
• Jika nilai r = 0, maka X dan Y tidak memiliki relasi linear
 Korelasi Positif
Koefisien relasi (X dan Y) mempunyai hubungan positif

16

14

12

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
 Korelasi Negatif

Koefisien relasi (X dan Y) mempunyai hubungan negatif

16

14

12

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13
 Tidak Berkorelasi
Koefisien relasi (X dan Y) tidak mempunyai hubungan atau
hubungan
Y lemah sekali Y

atau

0 X 0 X
UTUK MELIHAT DATA KORELASI SEBAGAI
BERIKUT
 Contoh Soal
• Berikut ini data mengenai pengalaman kerja dan penjualan
• X=pengalaman kerja (tahun)
• Y=omzet penjualan (ribuan)

X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4
• Tentukan nilai a dan b
• Buatkan persamaan regresinya!
• Berapa omzet pengjualan dari seorang karyawan yg
pengalaman kerjanya 3,5 tahun
• Tentukan kooefisen determinasi (R2)
Penyelesaian :
X Y X2 Y2 XY
2 5 4 25 10
Rata2-rata nilai X dan Y
3 8 9 64 24
2 8 4 64 16
5 7 25 49 35
___
24
X  3
___
Y 
56
7
8 8
6 11 36 121 66
1 3 1 9 3
4 10 16 100 40
1 4 1 16 4
24 56 96 448 198
 ___
24 ___
56
Rata2-rata nilai X dan Y X  3 Y  7
8 8

Cara 1.

(56)(96)  (24)(198)
a
(8)(96)  (24) 2
5.376  4.752
a  3,25
768  576
(8)(198)  ( 24)(56)
b
(8)(96)  (24) 2
1.584  1.344
b  1,25
768  576
 Cara 2 (8)(198)  (24)(56)
b
(8)(96)  (24) 2
1.548  1.344
b  1,25
768  576

a  7  1,25(3)
a  3,25

a. Dari ketiga cara pengerjaan tersebut diperoleh nilai a = 3,25 dan

nilai b = 1,25
b. Persamaan regresi linearnya adalah Y=3,25+1,25X
c. Nilai duga Y, jika X=3,5 adalah Y=3,25+1,25X
Y=3,25+1,25(3,5)
=7,625
 Koefisien Determinasi
• Adalah alat utama untuk mengetahui sejauh
mana tingkat hubungan antara variabel x dan
y. 2

• Nilai koefisien determinasi antara 0  r  1

• Nilai koefisien determinasi = 1 menunjukkan
hubungan sempurna.
• Nilai koefisien determinasi = 0 menunjukkan
tidak
2 ada hubungan.
r 
• 81 artinya 81% perubahan dari variabel
y ditentukan oleh variabel x.