1
Analisis Regresi dan Korelasi Linier 7
OUTLINE
Analisis Korelasi
3
Analisis Regresi dan Korelasi Linier 7
n XY X Y
r
n
X X n Y Y
2 2 2 2
Di mana:
r : Nilai koefisien korelasi
åX : Jumlah pengamatan variabel X
åY : Jumlah pengamatan variabel Y
åXY : Jumlah hasil perkalian variabel X dan Y
(åX2) : Jumlah kuadrat dari pengamatan variabel X
(åX)2 : Jumlah kuadrat dari jumlah pengamatan variabel X
(åY2) : Jumlah kuadrat dari pengamatan variabel Y
(åY)2 : Jumlah kuadrat dari jumlah pengamatan variabel Y
n : Jumlah pasangan pengamatan Y dan X
5
Analisis Regresi dan Korelasi Linier 7
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna
6
Analisis Regresi dan Korelasi Linier 7
CONTOH: INVESTASI BERHUBUNGAN DENGAN
SUKU BUNGA
7
Analisis Regresi dan Korelasi Linier 7
CONTOH: PERMINTAAN BERHUBUNGAN DENGAN
SUKU BUNGA
n XY X Y
Rumus koefisien korelasi r
n
X X n Y Y
2 2 2 2
8
Korelasi Rank spearman
Rumus :
= 1-
Dimana :
= simbol rank spearman
d = selisih ranking x dengan y
9
Contoh
85 67 4 1 3 9
60 88 80 1 5 3 -4 -2 16 4
90 85 5 4 5 1 0 1 0
26,5 14
10
= 1-
= 1- = -0,325 0,30
Hubungannya lemah negatif
11
Analisis Regresi dan Korelasi Linier 7
Koefisien determinasi
Koefisien determinasi = r2
n XY X Y
2
r2
n
X 2
n
X
2
Y 2
Y
2
12
Analisis Regresi dan Korelasi Linear 7
r n2 atau
t
1 r 2
Di mana:
t : Nilai t-hitung
r : Nilai koefisien korelasi
n : Jumlah data pengamatan
13
Analisis Regresi dan Korelasi Linier 7
Ujilah apakah (a) nilai r = - 0,412 pada hubungan antara suku bunga dan
investasi dan (b) r = 0,86 pada hubungan antara harga minyak dan
produksi kelapa sawit sama dengan nol pada taraf nyata 5%?
1.Perumusan hipotesa:
Hipotesa yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam
populasi dilambangkan dengansedang pada sampel r.
H0 : r = 0
H1 : r ¹ 0
2.Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas (df)
= n-k = 12 - 2 = 10. Nilai taraf nyata a/2=0,025 dan df =10 adalah = 2,23.
3. Menentukan nilai uji t
16
Analisis Regresi dan Korelasi Linier 7
18
Analisis Regresi dan Korelasi Linier 7
19
Analisis Regresi dan Korelasi Linier 7
Persamaan regresi
20
Analisis Regresi dan Korelasi Linier 7
35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar A
21
Analisis Regresi dan Korelasi Linier 7
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:
35
30 b c
d
25
a
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar B
22
Analisis Regresi dan Korelasi Linier 7
e1
e1
Y1
Y1 e2
e2
Y2 e3 Y4
e3
Y2
Y3
Y4 e4
Y3
e4 Y5
e5
Yn
Yn en
en
23
Analisis Regresi dan Korelasi Linier 7
Y2e2
Y4e4 Ynen
e1
Y1 e3 e5
Y3 Y5
24
Analisis Regresi dan Korelasi Linier 7
+b
-b
X X
Gambar A: =a+bX Gambar B: =a-bX
25
Analisis Regresi dan Korelasi Linier 7
26
Analisis Regresi dan Korelasi Linier 7
28
Analisis Regresi dan Korelasi Linier 7
29
Analisis Regresi dan Korelasi Linier 7
DEFINISI
30
Analisis Regresi dan Korelasi Linier 7
DEFINISI
Di mana:
Sy.x : 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.
31
Analisis Regresi dan Korelasi Linier 7
32
Analisis Regresi dan Korelasi Linier 7
33
Analisis Regresi dan Korelasi Linier 7
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
X1 X2 X3 X
34
Analisis Regresi dan Korelasi Linier 7
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 X1, 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.
RUMUS
Dengan menggunakan asumsi bahwa nilai Ei bersifat normal, maka hasil dugaan a dan
b juga mengikuti distribusi normal. Sehingga nilai t = (b – B)/b, juga merupakan
variabel normal. Dalam praktiknya nilai standar deviasi populasi b sulit diketahui,
maka standar deviasi populasi biasa diduga dengan standar deviasi sampel yaitu Sb,
sehingga nilai t menjadi t = (b – B)/Sb. Selanjutnya probabilitasnya dinyatakan
sebagai berikut:
P(-t/2 (b – B)/Sb t/2 ) = 1 -
P(-t/2. Sb (b – B) t/2 . Sb) = 1 -
37
Pengujian Hipotesis untuk Konstanta (a)
38
Analisis Regresi dan Korelasi Linier 7
39
Pengujian Hipotesis untuk Koefisien Regresi (b)
40
Analisis Regresi dan Korelasi Linier 7
41
Analisis Regresi dan Korelasi Linier 7
42
Analisis Regresi dan Korelasi Linier 7
TABEL ANOVA
43
x y
3 12 SUMMARY OUTPUT
5 13
3 24 Regression Statistics
4 35 Multiple R 0,810236
5 54 R Square 0,656482
Observations 7
ANOVA
Total 6 2886,857
T table
0,025 ( 7 -
2) = 2,57 P value < α
maka tolak maka tolak (-41,79 < A < P(1,36 < B <
Ho Ho 32,72 ) = 95% 14,84) = 95%
45
a). Y’ = 1,385 + 0,27 X --- y’ = 4.477 + 2,85X -- y’= 4,48 + 2,85X
b). r = 129,86 ---- r = 0,875 --- r = 0,875 menggunakan rumus
c). rs = 0,9 --- rs = 0,766
d).
46
TERIMA KASIH
47