ANALISIS KORELASI DAN REGRESI

LINEAR SEDERHANA
 Pengertian Analisis
Korelasi

Korelasi adalah istilah statistik yang

menyatakan derajat hubungan linear antara
dua variabel atau lebih, (Usman,2006:197).
Hubungan antara dua variabel di dalam teknik
korelasi bukanlah dalam arti hubungan sebab
akibat (timbal balik), melainkan hanya
merupakan hubungan searah saja.
 ANALISIS KORELASI SEDERHANA

 Analisis korelasi adalah cara untuk mengetahui ada atau

tidak adanya hubungan antar variabel misalnya hubungan
dua variabel.
1. KORELASI POSISITF
2. KORELASI NEGATIF
3. TIDAK KORELASI
4. KORELASI SEMPURNA
 1. KORELASI POSISITF

 Korelasi positif adalah korelasi dari dua

variabel, yaitu apabila variabel yang satu (X)
meningkat atau menurun maka variabel
lainnya (Y) cenderung untuk meningkat atau
menurun pula.
 2. KORELASI NEGATIF

 Korelasi negatif adalah korelasi dari dua

variabel, yaitu apabila variabel yang satu
(x) meningkat atau menurun maka
variabel lainnya (Y) cenderung menurun
atau meningkat.
 3. TIDAK KORELASI

 Tidak ada korelasi terjadi menunjukkan

adanya hubungan apabila kedua
variabel (X dan Y) tidak menunjukkan
adanya hubungan
 4. KORELASI SEMPURNA
 Korelasi sempurna adalah apabila kenaikan
atau penurunan variabel yang satu (variabel X)
berbanding dengan kenaikan penurunan
variabel lainnya (variabel Y).

 Analisis korelasi yang akan dipelajari di sini

adalah analisis korelasi sederhana, yaitu
analisis korelasi yang hanya melibatkan dua
variabel (variabel X dan Y) saja.

 Analisis korelasi dapat dilakukan melalui

beberapa cara, yaitu diagram pencar, tabel
korelasi, koefisien korelasi, serta regresi.
 DIAGRAM PENCAR
1. KORELASI POSITIF
 C. DIAGRAM PENCAR
2. KORELASI NEGATIF
 C. DIAGRAM PENCAR
3. TIDAK ADA KORELASI
 C. DIAGRAM PENCAR
4. KORELASI SEMPURNA
 TABEL 8.1 HUBUNGAN ANTARA HASIL PENJUALAN
DAN BIAYA IKLAN, DARI SEBUAH PERUSAHAAN

Biaya Iklan Hasil Penjualan

(juta Rp) (juta Rp)

0,50 5,00
1,00 10,00
1,75 12,50
2,50 20,00
3,25 30,00
4,00 35,00
5,50 40,00
5,75 42,50
6,50 50,00

1. Buatlah diagram pencar dari data-data tersebut!

2. Sebutkan jenis korelasi yang terjadi!
Jenis korelasi yang terjadi adalah
korelasi positif.
50.0

45.0
H
a
s 40.0
i
l
35.0
P
e
n 30.0
j
u
a 25.0
l
a
n 20.0

15.0

10.0

5.0

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5

Biaya Iklan
 KOEFISIEN KORELASI LINEAR
SEDERHANA
1. Pengertian Koefisien Korelasi
 Koefisien korelasi (KK) merupakan
indeks atau bilangan yang digunakan
untuk mengukur keeratan (kuat,
lemah, atau tidak ada) hubungan antar
variabel.
 Koefisien korelasi memiliki nilai antara -
1 dan +1 (-1 ≤ KK ≤ +1).
 1. Pengertian Koefisien Korelasi
a. Jika KK bernilai positif maka variabel-variabel
berkorelasi positif. Semakin dekat nilai KK ke +1
semakin kuat korelasinya, demikian pula
sebaliknya.
b. Jika KK bernilai negatif maka variabel-variabel
berkorelasi negatif. Semakin dekat nilai KK ke -1
semakin kuat korelasinya, demikian pula
sebaliknya.
c. Jika KK bemilai 0 {nol} maka variabel-variabel
tidak menunjukkan korelasi
d. Jika KK bernilai +1 atau -1 maka variabel-variabel
menunjukkan korelasi
Untuk menentukan keeratan hubungan atau korelasi
antarvariabel, berikut ini diberikan nilai-nilai dari KK
sebagai patokan.
 KK = 0, tidak ada korelasi
 0< KK ≤ 0,20, korelasi sangat rendah/lemah sekali
 0,20 < KK ≤ 0,40, korelasi rendah/lemah tapi pasti
 0,40 < KK ≤ 0,70, korelasi yang cukup berarti
 0,70 < KK ≤ 0,90, korelasi yang tinggi, kuat
 0,90 < KK < 1,00, korelasi sangat tinggi, kuat sekali,
dapat diandalkan
 KK = 1, korelasi sempurna.
 2. Kegunaan Koefisien Korelasi
1. Menentukan arah atau bentuk dan kekuatan hubungan.
a. Pengaruh searah atau positif
 Perubahan variabel independen (X) mempengaruhi variabel
dependen (Y) secara searah. Jika variabel X bertambah, variabel Y
juga bertambah. Sebagai contoh pengaruh biaya iklan (X) terhadap
jumlah penjualan (Y); pengaruh penghasilan (X) terhadap
pengeluaran konsumsi (Y).
b. Pengaruh berlawanan arah atau negatif
 Apabila perubahan variabel independen (X) mempengaruhi variabel
dependen (Y) secara berlawanan. Apabila variabel X bertambah, Y
berkurang. Apabila variabel X berkurang, variabel Y bertambah.
Contoh pengaruh umur kendaraan (X) terhadap harga kendaraan (Y).

2. Menentukan kovariasi, yaitu bagaimana dua variabel

random (X dan y) bercampur.
 Kovariasi dirumuskan:

Kovarian =(SX) (SY) (KK)

Keterangan:
SX = simpang baku (standar deviasi) variabel X
Sy = simpang baku {standar deviasi} variabel Y
KK = koefisien korelasi .
3. Jenis-Jenis Koefisien Korelasi Linear
Sederhana
A. Koefisien Korelasi Pearson
 Koefisien korelasi Pearson adalah indeks atau
angka yang digunakan mengukur keeratan
hubungan antara dua variabel yang datanya
berbentuk data interval atau rasio. Disimbolkan
dengan “r”.
 Koefisien korelasi Pearson dapat ditentukan
dengan dua metode yaitu:
 1. Metode least square

nXY  X . Y
r
2 2 2 2
( n X  (  X ) ) ( n Y  ( Y ) )
XX

2. Metode product moment

xy
r
2 2
 x . y
Keterangan:
r = koefisien korelasi
x = deviasi rata-rata variabel X
= XX
y = deviasi rata-rata variabel Y
= Y Y
 Contoh soal:

 Jika Y = hasil panen (dalam kuintal)

 X = pemupukan (dalam 10 kg)
 Berikut ini diberikan hasil pengamatan
pemupukan dan hasil panen padi untuk 5
percobaan yang telah dilakukan.
 Contoh soal:

X 3 6 9 10 13
Y 12 23 24 26 28

a) Tentukan koefisien korelasinya (r) dengan

metode least square dan metode product
moment !
b) Sebutkan jenis korelasinya dan apa artinya !
 Penyelesaian:

Metode Least Square Metode Product Moment

X Y X2 Y2 XY x y x2 y2 xy
3 12 9 144 36 -5,2 -10,6 27,04 112,36 55,12
6 23 36 529 138 -2,2 0,4 4,84 0,16 -0,88
9 24 81 576 216 0,8 1,4 0,64 1,96 1,12
10 26 100 676 260 1,8 3,4 3,24 11,56 6,12
13 28 169 784 364 4,8 5,4 23,04 29,16 25,92

Σ : 41 113 395 2.709 1.014 58,80 155,20 87,40

 A. Metode least square
nXY  X . Y

(nX 2  ( X ) 2 ) ( nY 2  ( Y ) 2 )

(5)(1.014)  (41)(113 )

((5)(395)  (41) 2 ) ((5)( 2709)  (113 ) 2 )

437 437 437

  
294.776 228.144 477,64

= 0,91
 B. Metode Product Moment
Σxy
r
Σx 2 . Σy 2
87,40
r
(58,80).(155,20)
87,40
r
9.125,76
87,40
r  0,91
95,53
Hubungan/korelasinya positif dan sangat kuat sekali/ tinggi