Statistik Bisnis

Program Studi Manajemen

Pertemuan #4-5

Tim Dosen :
 PENTINGNYA ANALISIS HUBUNGAN

Di dunia ini kita tidak dapat hidup sendiri, tetapi

memerlukan hubungan dengan orang lain.
Hubungan itu pada umumnya dilakukan dengan
maksud tertentu seperti mendapat keringanan
pajak, memperoleh kredit, meminjam uang, serta
minta pertolongan/bantuan lainnya.
 PENTINGNYA ANALISIS HUBUNGAN

Pada semua kejadian, baik kejadian ekonomi maupun

lainnya, pasti ada faktor yang menyebabkan
terjadinya kejadian-kejadian tersebut (merosotnya
hasil penjualan tekstil mungkin disebabkan karena
kalah bersaing dengan tekstil impor, merosotnya
produksi padi mungkin karena pupuknya berkurang,
dan lain sebagainya)
 Uraian slide tadi menunjukkan adanya
hubungan (korelasi) antara kejadian yang
satu dengan kejadian lainnya. Kejadian itu
dapat dinyatakan dengan perubahan nilai
variabel.

Hubungan antara dua kejadian dapat dinyatakan dengan hubungan dua variabel.

Di dalam bab ini kita hanya membahas hubungan linear antara dua variabel X dan Y.
Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang
sudah diketahui dapat dipergunakan untuk memperkirakan/menaksir Y. Peramalan
pada dasarnya merupakan perkiraan/taksiran mengenai terjadinya suatu kejadian.
Variabel Y yang nilainya akan diramalkan disebut varibel tidak
bebas, sedangkan varibel X yang nilainya dipergunakan untuk
meramalkan nilai Y disebut variabel bebas atau variabel
peramal dan seringkali disebut variabel yang menerangkan.
Jadi, jelas analisis korelasi ini memungkinkan kita untuk
mengetahui sesuatu di luar hasil penyelidikan.

Salah satu cara untuk melakukan peramalan

adalah dengan menggunakan garis regresi.
KOEFISIEN KORELASI DAN KEGUNAANNYA

• Hubungan dua variabel ada yang positif dan negatif.

Hubungan X dan Y dikatakan positif apabila kenaikan
(penurunan) X pada umumnya diikuti oleh kenaikan
(penurunan) Y.

• Sebaliknya dikatakan negatif kalau kenaikan (penurunan)

X pada umumnya diikuti oleh penurunan (kenaikan) Y.
Koefisien korelasi (x dan y) mempunyai hubungan positif
Koefisien korelasi (x dan y) mempunyai hubungan negatif
• Jadi, kalau variabel X dan Y ada hubungan, maka bentuk
diagram pencarnya adalah mulus/teratur.

• Apabila bentuk diagram pencar tidak teratur, artinya

kenaikan/penurunan X pada umumnya tidak diikuti oleh naik
turunnya Y, maka dikatakan X dan Y tidak berkorelasi.
 Koefisien korelasi (x dan y) tidak mempunyai hubungan atau
hubungan lemah sekali
Y Y

atau

0 0
X X
Kuat dan tidaknya hubungan antara X dan Y apabila dapat dinyatakan dengan
fungsi linear(paling tidak mendekati), diukur dengan suatu nilai yang disebut
koefisien korelasi. Nilai koefisien korelasi ini paling sedikit –1 dan paling
besar +1.

Jadi jika r = koefisien korelasi, maka r dapat dinyatakan sebagai berikut :

-1 r  +1

Kuat (-) Kuat (+)

-1 +1

Lemah (-) Lemah (+)

Jika r =+1, hubungan X dan Y sempurna dan positif,

r = -1, hubungan X dan Y sempurna dan negatif,
r mendekati +1, hubungan sangat kuat dan positif,
r mendekati –1, hubungan sangat kuat dan negatif.
Disini X dikatakan mempengaruhi Y, jika berubahnya nilai X akan
menyebabkan perubahan nilai Y

Akan tetapi, naik turunnya Y adalah sedemikian rupa sehingga

nilai Y bervariasi, tidak semata-mata disebabkan oleh X, karena
masih ada faktor lain yang menyebabkannya. Jadi untuk
mengetahui berapa besar kontribusi dari X terhadap naik
turunnya nilai Y maka harus dihitung dengan koefisien
penentuan.
Kalau koefisien penentuan ditulis KP, maka untuk menghitung KP digunakan rumus
KP = r
berikut :
2

 Cara menghitung r adalah sebagai berikut: 

atau

Kedua rumus diatas disebut koefisien korelasi Pearson

Contoh 1

X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
 Tabel

X Y x2 y2 xy
(x) (y)
1 2 -5,25 -5,75 27,5625 33,0625 30,1875
2 4 -4,25 -3,75 18,0625 14,0625 15,9375
4 5 -2,25 -2,75 5,0625 7,5625 6,1875
5 7 -1,25 -0,75 1,5625 0,5625 0,9375
7 8 0,75 0,25 0,5625 0,0625 0,1875
9 10 2,75 2,25 7,5625 5,0625 6,1875
10 12 3,75 4,25 14,0625 18,0625 15,9375
12 14 5,75 6,25 33,0625 39,0625 35,9375
 Tabel

X Y X2 Y2 XY
1 2 1 4 2
2 4 4 16 8
4 5 16 25 20
5 7 25 49 35
7 8 49 64 56
9 10 81 100 90
10 12 100 144 120
12 14 144 196 168
Contoh 2

X 2 4 5 6 8 10 11 13 14 15
Y 15 14 12 10 9 8 6 4 3 2
Tabel 7.5

X Y X2 Y2 XY
2 15 4 225 30
4 14 16 196 56
5 12 25 144 60
6 10 36 100 60
8 9 64 81 72
10 8 100 64 80
11 6 121 36 66
13 4 169 16 52
14 3 196 9 42
15 2 225 4 30
Tabel 7.6

Tahun Pengeluaran Pendapatan Produksi Domestik Pembentukan

Konsumen Rumah Nasional Per Kapita Bruto atas Moda Tetap
Tangga atas Atas Biaya Faktor Dasar Domestik Domestik Bruto
Harga yang Produksi yang Harga yang Atas dasar Harga
Berlaku Berlaku Berlaku Yang Berlaku
(Rp) (Rp) (Milyar Rp) (Milyar Rp)

(1) (2) (3) (4) (5)

2008 15.184,5 19.367,6 22.746,0 4.670,7

2009 19.513,7 27.146,8 32.025,4 6.704,3

2010 27.502,9 38.838,3 45.445,7 9.485,2

2011 35.560,0 46.838,1 54.027,0 11.553,4

2012 41.670,3 51.666,5 59.632,6 13.467,1

2013 44.739,3 65.513,5 73.698,6 18.973,8

2014 51.100,3 77.728,3 87.535,5 19.805,9

2015 54.600,3 84.694,4 96.066,4 19.613,5

 Pendapatan Pengeluaran
Nasional Per Kapita Konsumen Rumah
Atas Biaya Faktor Tangga atas
Produksi yang Harga yang
Berlaku Berlaku
(Rp) (Rp)

X Y X2 Y2 XY

(1) (2) (3) (4) (5)

19 15 361 225 285

27 20 719 400 540

39 28 1.521 784 1.092

47 36 2.209 1.296 1.692

52 42 2.704 1.764 2.184

66 45 4.356 2.025 2.970

78 51 6.084 2.601 3.978

85 55 7.225 3.025 4.675

TEKNIK RAMALAN DAN ANALISIS REGRESI

Tujuan utama materi ini adalah bagaimana

menghitung suatu perkiraan atau
persamaan regresi yang akan menjelaskan
hubungan antara dua variabel.
Diagram Pencar

• Setelah ditetapkan bahwa terdapat hubungan logis di

antara variabel, maka untuk mendukung analisis lebih
jauh, barangkali tahap selanjutnya adalah
menggunakan grafik.

• Grafik ini disebut diagram pencar, yang menunjukkan

titik-titik tertentu. Setiap titik memperlihatkan suatu
hasil yang kita nilai sebagai varibel tak bebas maupun
bebas.
Diagram pencar ini memiliki 2 manfaat, yaitu :
- membantu menunjukkan apakah terdapat hubungan
yang bermanfaat antara dua variabel,
- dan membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel tersebut.
 Diagram
12
Pencar
10
Karyawan Hasil Produksi Skor Tes 10

Skor Tes Kecerdasan

9
(lusin) Kecerdasan
88
(Y) (X) 8
7
A 30 6 6
6
B 49 9 5 Skor Tes Kecerdasan (Y)
Linear (Skor Tes Kecerdasan (Y))
C 18 3 4

D 42 8 3

E 39 7 2

F 25 5
G 41 8 0
15 20 25 30 35 40 45 50 55

H 52 10 Hasil Produksi
 Korelasi Negatif X & Y
Korelasi Positif X & Y

Korelasi Non Linier X & Y

Korelasi Negatif Kuat X &

Y
Korelasi Positif Kuat X &
Y

Tidak ada Korelasi X & Y

Korelasi Negatif
Sempurna X & Y
Korelasi Positif
Sempurna X & Y
 Interval Nilai
Korelasi

Sangat Lemah Sedang Sangat Kuat

0,20-0,399 0,60-0,799

0,80-1,00
0,00-0,199 0,40 – 0,599

Lemah Kuat
 Persamaan Regresi
Linier

Persamaan
Regresi yang digunakan
merupakan suatu Istilah regresi untuk
alat ukur yang juga mendapatkan
itu sendiri
digunakan untuk garis regresi
mengukur ada atau berarti
pada data
tidaknya korelasi ramalan atau diagram pencar
antarvariabelnya. taksiran. disebut
persamaan
regresi
Untuk menempatkan garis regresi pada data yang diperoleh maka
digunakan metode kuadrat terkecil, sehingga bentuk
persamaan regresi adalah sebagai berikut:

Y’ = a + b X

Kesamaan di antara garis regresi dan garis trend tidak dapat

berakhir dengan persamaan garis lurus. Garis regresi (seperti
garis trend dan nilai tengah aritmatika) memiliki dua sifat
matematis berikut :
 (Y – Y’) = 0

dan (Y – Y’)2 = nilai terkecil atau terendah

Dengan perkataan lain, garis regresi akan ditempatkan pada

data dalam diagram sedemikian rupa sehingga
penyimpangan (perbedaan) positif titik-titik terhadap titik-
titik pencar di atas garis akan mengimbangi penyimpangan
negatif titik-titik pencar yang terletak di bawah garis,
sehingga hasil penyimpangan keseluruhan titik-titik terhadap
garis lurus adalah nol.
Untuk tujuan diatas, perhitungan analisis regresi dan analisis
korelasi dapat dipermudah dengan menggunakan rumus
dalam bentuk penyimpangan nilai tengah variabel X dan Y,
yaitu penyimpangan dari
Oleh karena itu, dapat digunakan simbol berikut ini :
Nilai dari a dan b pada persamaan regresi dapat dihitung dengan
rumus berikut :
Tabel 7.25

Karyawan Hasil Produksi Skor Tes y x xy x2 y2

(lusin) (Y) (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
Tabel 7.26
X Y X2 Y2 XY
(x) x2 (y) xy
(1) (2) (3) (4) (5) (6) (7) (8) (9)

19 15 361 225 285 -32,62 1.064,06 -21,5 701,33

27 20 719 400 540 -24,62 606,14 -16,5 406,23

39 28 1.521 784 1.092 -12,62 159,26 -8,5 107,27

47 36 2.209 1.296 1.692 -4,62 21,34 -0,5 2,31

52 42 2.704 1.764 2.184 0,38 0,14 5,5 2,09

66 45 4.356 2.025 2.970 14,38 206,78 8,5 122,23

78 51 6.084 2.601 3.978 26,38 695,90 14,5 382,51

85 55 7.225 3.025 4.675 33,38 1.114,22 18,5 617,53

25.189 12.120 17.416 3.867,84 2.341,50

Jadi persamaan garis regresi Y’ = 5,01 + 0,61 X
Tahun X Y X2 XY
Ribuan milyar Milyar rupiah
rupiah
(1) (2) (3) (4) (5)

1979 32,025 5.301,6 1.025,6006 169.783,7400

1980 45,446 8.077,9 2.065,3389 367.108,2434

1981 54,027 11.720,9 2.918,9167 633.245,0643

1982 59,633 13.921,6 3.556,0947 830.186,7728

1983 73,698 14.358,3 5.431,3952 1.058.177,9934

1984 87,536 18.315,1 7.662,5513 1.603.230,5936

1985 96,066 19.383,5 9.228,6764 1.862.095,3110

Jumlah 448,431 91.078,9 31.888,5738 6.523.827,7160

Penggunaan Persamaan Regresi
dalam Peramalan

Tujuan utama penggunaan persamaan regresi adalah untuk

memperkirakan nilai dari variabel tak bebas pada nilai
variabel bebas tertentu. Tentu saja, tidak mungkin untuk
mengatakan dengan tepat.
 GAMBAR PERSAMAAN REGRESI

+b
-b

X X
Gambar A: =a+bX Gambar B: =a-bX

46
 RUMUS MENCARI KOEFISIEN a DAN b

Y : Nilai variabel bebas Y

a : Intersep yaitu titik potong garis dengan sumbu Y
b : Slope atau kemiringan garis yaitu perubahan rata-rata pada untuk setiap unit
perubahan pada variabel X

X : Nilai variabel bebas X

n : Jumlah sampel

47
 CONTOH HUBUNGAN ANTARA PRODUKSI DENGAN
HARGA MINYAK KELAPA SAWIT

=a+bX
Yi X = 2,8631 + 0,0086 X e=Y-

4,54 271 = 2,8631 + 0,0086 x 271 5.1853 -0.6453

4,53 319 = 2,8631 + 0,0086 x 319 5.5966 -1.0666

5,03 411 = 2,8631 + 0,0086 x 411 6.3850 -1.3550

6,05 348 = 2,8631 + 0,0086 x 348 5.8451 0.2049

6,09 287 = 2,8631 + 0,0086 x 287 5.3224 0.7676

6,14 330 = 2,8631 + 0,0086 x 330 5.6909 0.4491

6,37 383 = 2,8631 + 0,0086 x 383 6.1450 0.2250

7,40 384 = 2,8631 + 0,0086 x 384 6.1536 1.2464

7,22 472 = 2,8631 + 0,0086 x 472 6.9077 0.3123

7,81 610 = 2,8631 + 0,0086 x 610 8.0902 -0.2802

8,49 640 = 2,8631 + 0,0086 x 640 8.3473 0.1427

48
 CONTOH HUBUNGAN ANTARA PRODUKSI DENGAN
HARGA MINYAK KELAPA SAWIT

Persamaan = 2,8631 + 0,0086 X.

Gambar A: Koordinat antara Y dan

49
 CONTOH HUBUNGAN ANTARA PRODUKSI DENGAN HARGA
MINYAK KELAPA SAWIT

Persamaan = 2,8631 + 0,0086 X.

Gambar B: Koordinat antara Y dan , dimana Y =

50
 DEFINISI STANDAR ERROR

Standar error atau kesalahan baku Pendugaan

Suatu ukuran yang mengukur ketidakakuratan
pencaran atau persebaran nilai-nilai pengamatan (Y)
terhadap garis regresinya (Ŷ).

51
 RUMUS STANDAR ERROR

Di mana:

Sy.xC : Standar error variabel Y berdasarkan variabel X yang diketahui

Y : Nilai pengamatan dari Y
: Nilai dugaan dari Y
n : Jumlah sampel, derajat bebas n-2 karena terdapat dua parameter
yang akan digunakan yaitu a dan b.

52
MENGGUNAKAN MS EXCEL UNTUK MENCARI
STANDAR ERROR SY.X

53
MENGGUNAKAN MS EXCEL UNTUK MENCARI
STANDAR ERROR SY.X

54
 ASUMSI METODE KUADRAT TERKECIL
Beberapa asumsi penting metode kuadrat terkecil adalah sebagai berikut:

1. Nilai rata-rata dari error term atau expected value untuk setiap nilai X sama dengan nol.
Asumsi ini dinyatakan E(ei/Xi) = 0.
2. Nilai error dari Ei dan Ej atau biasa disebut dengan kovarian saling tidak berhubungan atau
berkorelasi. Asumsi ini biasa dilambangkan sebagai berikut, Cov (Ei, Ej) = 0, di mana i ¹ j.
.Berdasarkan pada asumsi nomor 1, pada setiap nilai Xi akan terdapat Ei, dan untuk Xj akan
ada Ej, yang dimaksud dengan nilai kovarian = 0 adalah nilai Ei dari Xi tidak ada hubungan
dengan nilai Ej dari Xj.

Y
Garis regresi

Satu deviasi
standar

Nilai tengah terletak

pada garis regresi

X1 X2 X3 X 55
 ASUMSI METODE KUADRAT TERKECIL

3. Varian dari error bersifat konstan. Ingat bahwa varian dilambangkan dengan s2, sehingga asumsi
ini dilambangkan dengan Var (Ei/Ej) = E(ei – ej)2 = s2. Anda perhatikan pada gambar di atas
bahwa nilai Ei (yang dilambangkan dengan tanda titik) untuk setiap X yaitu X 1, X2 dan X3
tersebar secara konstan sebesar variannya yaitu s2. Pada gambar tersebut nilai E tersebar 1
standar deviasi di bawah garis regresi dan 1 standar deviasi di atas garis regresi. Seluruh
sebaran nilai Ei untuk Xi dan Ej untuk Xj, di mana i ¹ j terlihat sama dengan ditunjukkan kurva
yang berbentuk simetris dengan ukuran yang sama, hal inilah yang dikenal dengan varians dari
error bersifat konstan.

4. Variabel bebas X tidak berkorelasi dengan error term E, ini biasa dilambangkan dengan Cov (Ei, Xi)
= 0. Pada garis regresi Y=a + bxi + ei maka nilai Xi dan Ei tidak saling mempengaruhi, sebab
apabila saling mempengaruhi maka pengaruh masing-masing yaitu X dan E tidak saling dapat
dipisahkan. Ingat bahwa yang mempengaruhi Y selain X adalah pasti E yaitu faktor diluar X.
Oleh sebab itu varians dari E dan X saling terpisah atau tidak berkorelasi.

56
RUMUS

: Nilai dugaan dari Y untuk nilai X tertentu

t : Nilai t-tabel untuk taraf nyata tertentu
Sy.x : Standar error variabel Y berdasarkan variabel X yang diketahui
X : Nilai data pengamatan variabel bebas
X : Nilai rata-rata data pengamatan variabel bebas
n : Jumlah sampel

57
TERIMA KASIH