REGRESI DAN KORELASI SEDERHANA

( 2 PEUBAH ) 

BAB V
 Regresi adalah bentuk hubungan dari dua peubah atau lebih.
 Persamaan regresi
Suatu persamaan matematika yang mendefinisikan hubungan antara dua
variabel.
 Scatter diagram untuk membantu menarik garis regresi 
 Korelasi adalah hubungan antara dua peubah atau lebih.
 GAMBAR PERSAMAAN REGRESI
Gambar A: Y = a + b X Gambar B: Y = a - b X
 

+b

a -b

Y = a + bx Y = a - bx
 Rumus mencari Koefisien a dan b dengan metoda kuadrat terkecil

b=

a=
Dimana :
y = nilai variabel tidak bebas atau variabel terikat
x = nilai variabel bebas
a = intersep yaitu titik potong garis dengan sumbu y
b = Slope atau kemiringan
n = jumlah sampel atau banyaknya pasangan data
Standar Error atau Kesalahan Baku Pendugaan

Suatu ukuran yang mengukur ketidakakuratan pencaran atau persebaran nilai-

nilai pengamatan (Y) terhadap garis regresinya ( Yi ).
= =
Atau

=
=

=
Scatter Diagram
tabel berikut adalah data jumlah pengeluaran periklanan dan pendapatan Penjualan
perusahaan “ Makmur “ selama 10 bulan ( dalam jutaan Rupiah )

Pengeluaran Pendapatan Penjualan Scatter Diagram

periklanan (X) (y)
70
10 44
60
9 40
50
11 42

Penjualan
40
12 46
30
11 48
20
12 52
10
13 54
0
13 58 8 9 10 11 12 13 14 15 16
14 56 Biaya Periklanan
15 60
Mencari persamaan regresi linier sederhana
b= =
e
x y xy E = yi - Y 2 = 3,53
44-
{ 7,6+3,53(10 a = = - 3,53 ( ) = 7,60
10 44 440 100 ) = 41,9
9 40 360 81 Jadi persamaan :
11 42 462 121 = 7,60 + 3,53 x
12 46 552 144
11 48 528 121 Artinya :
12 52 624 144 a = 7,60 --- jika tidak ada biaya iklan
13 54 702 169 maka jumlah penjualannya
13 58 754 169 7,60 juta
14 56 784 196 b = 3,53 --- jika biaya iklan naik 1 juta
15 60 900 225 maka kenaikan penjualannya
120 500 6106 1470 sebesar 3,53 juta

X = 20 ---- y = 7,6 + 3,53 (20) = 82,6

Perhitungan simpangan y terhadap x, simpangan a dan b

x y xy
10 44 440 100 1936 =
9 40 360 81 1600
11 42 462 121 1764 =
12 46 552 144 2116 = 3,275
11 48 528 121 2304
12 52 624 144 2704 = = = 0,598
13 54 702 169 2916
13 58 754 169 3364
14 56 784 196 3136 = = = 277,95
15 60 900 225 3600
120 500 6106 1470 25440
Y = 7,6 + 3,53 x -- x = 0 - y = 7,6

y = 0 -- -7,6 = 3,53 x --- x = -7,6 /3,53 = -

70

60
f(x) = 3.53333333333333 x + 7.6
50
Penjualan

40

30

20

10

0
8 9 10 11 12 13 14 15 16

Biaya Periklanan
Analisis Korelasi

 Suatu teknik statistika yang digunakan untuk mengukur keeratan hubungan atau korelasi (r)
antara dua variable , dimana nilai dari koefisien korelasi bervariasi dari -1 hingga +1 ( -1 ≤ r ≥
+1 ).

Untuk r = 1 , hubungan antara 2 peubah sangat kuat dan positip

Untuk r = -1 , hubungan antara 2 peubah sangat kuat dan negatip
Untuk r = o , tidak ada hubungan antara 2 peubah tersebut
 
 Tanda + dan – pada nilai koefisien korelasi mempunyai arti sebagai berikut :
Hubungan dua peubah dikatakan positip apabila kenaikkan / penurunan x mengakibatkan
kenaikkan / penurunan y.

Hubungan dua peubah dikatakan negatip apabila kenaikkan / penurunan x mengakibatkan

sebaliknya untuk y.
50
45 50
40 45
35 40
30 35
25 30
20 25
20
15
15
10
10
5
5
0
5 10 15 20 25 30 35 40 45 50 55 0
5 10 15 20 25 30 35 40 45 50 55

Korelasi positive ( r = + ) Korelasi negative ( r = - )

Rumus Korelasi :
1. metoda Product Moment

r=
Koefisien Determinasi (KD)

 Koefisien determinasi menunjukkan seberapa besar persentase keragaman y

yang dapat dijelaskan oleh keragaman x , atau bahasa sederhananya seberapa
besar kemampuan x dalam menjelaskan y.
adapun rumusnya :
KD =
 Menghitung koefisien korelasi dan koefisien determinasi

r= x y xy
10 44 440 100 1936
9 40 360 81 1600
r= 11 42 462 121 1764
12 46 552 144 2116
11 48 528 121 2304
12 52 624 144 2704
r = 0,92--- hubungan sangat kuat positip 13 54 702 169 2916
13 58 754 169 3364
x meningkat maka y juga meningkat
14 56 784 196 3136
15 60 900 225 3600
120 500 6106 1470 25440
KD = = ---- konstribusi x terhadap y sebesar 84,64%, sisanya 15,36 %
dipengaruhi oleh variabel selain x( biaya periklanan)
2. Korelasi Rank ( Rank Spearman )=
untuk menghitung hubungan antara dua variabel dengan pasangan yang nilai sebenarnya tidak
diketahui . Contoh data tentang kesenangan seseorang akan suatu produk tertentu.

=1-
dimana :
d = perbedaan ranking
n = banyaknya pasangan data
Contoh korelasi Rank Spearmen

Hubungan Tinggi dan Berat Badan 7 Mahasiswa Universitas XYZ

Berat Badan dalam Kg (y) Tinggi Badan dalam cm (x)

56 163
60 160
55 165
63 170
68 178
54 162
45 155
 Perhitungan Koefisien Ranking Hubungan Tinggi dan Berat Badan
7 Mahasiswa Universitas XYZ
Berat Badan Tinggi Badan Rx Ry d
dalam kg (y) dalam cm (x)
56 163 4 4 0 0
60 160 2 5 -3 9
55 165 5 3 2 4
63 170 6 6 0 0
68 178 7 7 0 0
50 162 3 2 1 1
45 155 1 1 0 0
Jumlah 14
=1- =1-

Hubungan antara tinggi badan dan berat badan adalah kuat

X y Rx Ry d Rx Ry d
125 100 1 2 -1 1 5 4 1 1
235 100 4 2 2 4 2 4 -2 4
324 100 5 2 3 9 1 4 -3 9
145 234 2,5 4 -1,5 2,25 3,5 2 1,5 2,25
145 315 2,5 5 -2,5 6,25 3,5 1 2,5 6,25
22,5 22,5
3. Coefficient of Contingency ( Derajat Asosiasi ).
Hasil penelitian tidak selalu berbentuk kuantitatif ( bilangan ), adakalanyaberbentuk
kualitatif ( atribut) seperti : sukses, gagal, baik ,buruk, pendapatan tinggi, sedang ,
rendah. Apabila ingin diketahui derajat hubungan ( Asosiasi) antara 2 peubah yang
berbentu kualitatif sebaiknya digunakan “Koefisien Kontingensi” ( Coefficient of
Cotingency ), dimana rumusnya adalah sebagai berikut :

cc = dimana : Chi- Square

= dimana : = Banyaknya data /pengamatan baris ke- i dan lajur ke- j

= Frekuensi harapan baris ke - i dan lajur ke - j
= dimana : = jumlah baris ke - i
= jumlah lajur ke – j
n = total frekuensi dari data pengamatan
Contoh menghitung koefisien kontingensi
Anda ingin mengetahui apakah terdapat hubungan antara tempat tinggal
dan kebutuhan untuk rekreasi. Dari survei terhadap 100 orang responden
diperoleh data:
Kebutuhan Rekreasi
Tempat Tinggal
Ya Tidak
Pedesaan 20 30
Perkotaan 40 10

a. Hitunglah chi-kuadrat!
b. Berapa koefisien kontingensinya!
Penyelesaian

Kebutuhan Rekreasi
Tempat Tinggal Jumlah
Ya Tidak
Pedesaan 20 30 50
30 20
Perkotaan 40 10 50
30 20
Jumlah 60 40 100

= =

= =
Penyelesaian

cc =

cc =
 Maka hubungannya rendah
ANOVA
Anova adalah merupakan alat atau peranti yang dapat
menggambarkan hubungan antara Koefisien Korelasi, Koefisien
Determinasi dan kesalahan baku pendugaan.

 Sumber Sum Suquare

Keragaman Df ( SS ) Mean Square
(Source) ( derajat Bebas ) ( MS )

1
Regression ( jml var. Bebas,x) SSR = MSR = SSR/1
MSE = SSE/(n-
Residual/ error n-2 SSE = 2)
Total n-1 SST =  
= =1-

=
ANOVA
Significance
  df SS MS F F

Regression 1 374,5333 374,5333 45,76782 0,000143

Residual/error 8 65,46667 8,183333
Total 9 440     

= = = 0,8512 atau = 1 - = 1 - = 0,8512

r = = 0,92

= = = 8,1833
TERIMA KASIH