Bab 7. Analisa Reg. Linier Sederhana

BAB 7
ANALISIS REGRESI DAN KORELASI LINIER
Oktori Kiswati Zaini
1
Analisis Regresi dan Korelasi Linier 7
OUTLINE
Bagian I Statistik Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Sederhana
Teori Pendugaan Statistik Uji Signifikansi Koefisien Korelasi
Analisis Regresi: Metode Kuadrat

Pengujian Hipotesa Sampel Besar Terkecil
Pengujian Hipotesa Sampel Kecil Kesalahan Baku Pendugaan
Asumsi-asumsi Metode Kuadrat Terkecil

Analisis Regresi dan Korelasi Linier
Perkiraan Interval dan Pengujian
Hipotesa
Analisis Regresi dan Korelasi Berganda
Hubungan Koefisien Korelasi, Koefisien
Fungsi, Variabel, dan Masalah dalam Determinasi dan Kesalahan Baku
Analisis Regresi Pendugaan
2
PENGERTIAN ANALISIS KORELASI
Analisis Korelasi
Suatu teknik statistika yang digunakan untuk mengukur

keeratan hubungan atau korelasi antara dua variabel.
3
HUBUNGAN POSITIF DAN NEGATIF
Hubungan Inflasi dan Suku Hubungan Produksi dan

Bunga (Korelasi Negatif) Harga Minyak Goreng
(Korelasi Positif)
35 700
30 600
25 500
20 400
15 300
10 200
5 100
0
0
2,01 9,35 12,55 10,33 637 740 722 781 849 881
Inflasi Harga Minyak Goreng
Gambar pertama menunjukkan hubungan antara Gambar kedua memperlihatkan

variabel inflasi dan suku bunga. Apabila dilihat hubungan yang positif antara variabel
pada gambar saat inflasi rendah, maka suku bunga produksi dan harga minyak goreng yaitu
tinggi dan pada saat inflasi tinggi, suku bunga apabila harga meningkat, maka produksi
rendah. Gambar tersebut menunjukkan adanya juga meningkat.
hubungan antara inflasi dan suku bunga yang
bersifat negatif.
4
RUMUS KOEFISIEN KORELASI

Rumus koefisien korelasi tersebut dinyatakan sebagai berikut:
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
HUBUNGAN KUAT DAN LEMAHNYA SUATU

KORELASI
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna
Korelasi negatif Korelasi negatif Korelasi positif Korelasi positif

kuat lemah lemah kuat
-1,0 -0,5 0,0 0,5 1,0

Skala r
Korelasi negatif Korelasi positif
6
CONTOH: INVESTASI BERHUBUNGAN DENGAN
SUKU BUNGA
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
9  8558054  196  404618

r   0, 412
 4478  196   9 19888392650    404618  
9(
2 2
  
8
Korelasi Rank spearman
Rumus :
= 1-
Dimana :
= simbol rank spearman
d = selisih ranking x dengan y
9
Contoh
Juri 1 Juri 2 R1 R2 d=Rx-Ry
70 80 2 2,5 3 -0,5 -1 0,25 1
85 67 4 1 3 9
74 80 3 2,5 3 0,5 0 0,25 0
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
PENGERTIAN KOEFISIEN DETERMINASI
Koefisien determinasi
Bagian dari keragaman total variabel tak bebas Y (variabel yang

dipengaruhi atau dependent) yang dapat diterangkan atau
diperhitungkan oleh keragaman variabel bebas X (variabel yang
mempengaruhi atau independent).
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
RUMUS UJI t UNTUK UJI KORELASI
r n2 atau
t
1 r 2
Di mana:
t : Nilai t-hitung
r : Nilai koefisien korelasi
n : Jumlah data pengamatan
13
CONTOH UJI t UNTUK UJI KORELASI SOAL A
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%?
2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan

derajat bebas (df) = n-k = 9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan
df =7 adalah = 2,36. Ingat bahwa n adalah jumlah data pengamatan
yaitu = 9, sedangkan k adalah jumlah variabel yaitu Y dan X, jadi
k=2.
3. Menentukan nilai uji t
14
CONTOH UJI t UNTUK UJI KORELASI
4. Menentukan daerah keputusan dengan nilai kritis 2,36
Daerah menolak Ho Daerah menolak Ho
Daerah tidak menolak Ho
–2,36 t= –1,21 2,36
5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada

daerah tidak menolak H0. Ini menunjukkan bahwa tidak
terdapat cukup bukti untuk menolak H0, sehingga dapat
disimpulkan bahwa korelasi dalam populasi sama dengan nol,
hubungan antara tingkat suku bunga dengan investasi lemah
dan tidak nyata. 15
CONTOH UJI t UNTUK UJI KORELASI SOAL B
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
RUMUS KOEFISIEN DETERMINASI
4. Menentukan daerah keputusan dengan nilai kritis 2,23
Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho
–2,23 2,23 t= 5,33
5. Menentukan keputusan. Nilai t-hitung berada di daerah menolak H0, yang

berarti bahwa H0 di tolak dan menerima H1. Ini menunjukkan bahwa
koefisien korelasi pada populasi tidak sama dengan nol, dan ini
membuktikan bahwa terdapat hubungan yang kuat dan nyata antara
harga minyak dan produksi kelapa sawit. 17
MENGGUNAKAN MS EXCEL UNTUK MENCARI

KORELASI
18

KORELASI
19
RUMUS PERSAMAAN REGRESI
Persamaan regresi
Suatu persamaan matematika yang mendefinisikan

hubungan antara dua variabel.
20
SCATTER DIAGRAM UNTUK MEMBANTU MENARIK

GARIS REGRESI
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat
digambarkan sebagai berikut:
Hubungan Inflasi dan Suku Bunga
35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar A
21
SCATTER DIAGRAM UNTUK MEMBANTU MENARIK

GARIS REGRESI
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:
Hubungan Inflasi dan Suku Bunga
35
30 b c
d
25
a
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar B
22
CONTOH SELISIH ANTARA DUGAAN DAN

AKTUAL LEBIH KECIL
e1
e1
Y1
Y1 e2
e2
Y2 e3 Y4
e3
Y2
Y3
Y4 e4
Y3
e4 Y5
e5
Yn
Yn en
en
Gambar A: selisih antara dugaan dan aktual lebih kecil
23
CONTOH SELISIH ANTARA DUGAAN DAN

AKTUAL LEBIH BESAR
Y2e2
Y4e4 Ynen
e1
Y1 e3 e5
Y3 Y5
24
GAMBAR PERSAMAAN REGRESI
+b
-b
X X
Gambar A: =a+bX Gambar B: =a-bX
25
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
26
CONTOH HUBUNGAN ANTARA PRODUKSI

DENGAN HARGA MINYAK KELAPA SAWIT
y=a+bX
Yi X = 2,8631 + 0,0086 X
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
27

Persamaan : = 2,8631 + 0,0086 X.
Gambar A: Koordinat antara Y dan
28

Persamaan = 2,8631 + 0,0086 X.
Gambar B: Koordinat antara Y dan , dimana Y =
29
DEFINISI
Standar error atau kesalahan baku Pendugaan
Suatu ukuran yang mengukur ketidakakuratan pencaran atau

persebaran nilai-nilai pengamatan (Y) terhadap garis regresinya
( Yˆ ).
30
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

STANDAR ERROR SY.X
32

STANDAR ERROR SY.X
33
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
34
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 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.
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. 35
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
36
PENDUGAAN INTERVAL NILAI KOEFISIEN REGRESI

A DAN B
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)
Tahap menguji konstanta (a):

1. Merumuskan hipotesa nol dan hipotesa alternatif (H0 dan H1),
a. Ho : A = Ao = 0
Ha : A ≠ Ao ≠ 0
b. Ho : A ≤ Ao ≤ 0
Ha : A > Ao > 0
c. Ho : A ≥ Ao ≥ 0
Ha : A < Ao < 0
2. Menentukan taraf nyata apakah 1%, 5% atau pada taraf lainnya serta
mengetahui titik kritis berdasarkan pada tabel t-student,
38

39
Pengujian Hipotesis untuk Koefisien Regresi (b)
Tahap menguji koefisien regresi (b):

1. Merumuskan hipotesa nol dan hipotesa alternatif (H0 dan H1),
a. Ho : B =Bo = 0
Ha : B ≠ Bo ≠ 0
b. Ho : B ≤ Bo ≤ 0
Ha : B > Bo > 0
c. Ho : B ≥ Bo ≥ 0
Ha : B < Bo < 0
2. Menentukan taraf nyata apakah 1%, 5% atau pada taraf lainnya
serta mengetahui titik kritis berdasarkan pada tabel t-student,
40

41
ANALISIS VARIANS ATAU ANOVA
42
TABEL ANOVA
Sumber Derajat bebas (df) Sum Square (SS) Mean Square

Keragaman (MS)
(Source)
Regresi 1 SSR = ( Ŷ – Y)2 MSR=SSR/1

(Regression) (jumlah var bebas,
X)
Kesalahan (error) n-2 SSE = (Y – Ŷ)2 MSE

=SSE/(n-2)
Total n-1 SST = (Y – Y)2
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
7 55 Adjusted R Square 0,587778
9 67 Standard Error 14,08324
Observations 7
ANOVA
df SS MS F Significance F taraf nyata 1 % taraf nyata 5%

secara manual
bandingkan F hit
Regression 1 1895,169 1895,169 9,555267 0,02712373 dengan F table
F table 6,61 jika
F h > F table jika f sign < α
Residual 5 991,6881 198,3376 maka tolak Ho maka tolak Ho
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%
Coefficient Standard Upper

Y’ = -4,53 + 8,10 X s Error t Stat P-value Lower 95% Upper 95% Lower 95,0% 95,0%
Intercept -4,53465 14,49552 -0,31283 0,767036 -41,79657 32,72726311 -41,79657 32,727263
x 8,10396 2,621657 3,09116 0,027124 1,36477626 14,84314453 44 14,843145

1,36477626
Latihan soal
Kenaikan Laba (Milyar Rp) 1. Buat persamaan

Iklan (%) liniernya.
6 21 2. Apakah terdapat
hubungan antara iklan
8 23 dengan laba.
12 32 3. Cari korelasi dengan
Rank Spearman
10 45 4. Ujilah apakah ada
pengaruh antara iklan
15 45
dengan laba
17 55
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).
b). Ho : ρ = 0 - tdk ada hub

Ha : ρ ≠ 0 - ada hub.
α = 5% -- t ½ (6- 2) =
th = --- bandingkan dengan table , jika th> ta table maka trd hub.
Antara x dgn y
46
TERIMA KASIH
47

Bab 7. Analisa Reg. Linier Sederhana

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 7. Analisa Reg. Linier Sederhana

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB 7

ANALISIS REGRESI DAN KORELASI LINIER

Oktori Kiswati Zaini

Bagian I Statistik Induktif

Metode dan Distribusi Sampling Pengertian Korelasi Sederhana

Teori Pendugaan Statistik Uji Signifikansi Koefisien Korelasi

Analisis Regresi: Metode Kuadrat

Pengujian Hipotesa Sampel Kecil Kesalahan Baku Pendugaan

Asumsi-asumsi Metode Kuadrat Terkecil

PENGERTIAN ANALISIS KORELASI

Suatu teknik statistika yang digunakan untuk mengukur

HUBUNGAN POSITIF DAN NEGATIF

Hubungan Inflasi dan Suku Hubungan Produksi dan

Gambar pertama menunjukkan hubungan antara Gambar kedua memperlihatkan

RUMUS KOEFISIEN KORELASI

HUBUNGAN KUAT DAN LEMAHNYA SUATU

Korelasi negatif Korelasi negatif Korelasi positif Korelasi positif

-1,0 -0,5 0,0 0,5 1,0

9  8558054  196  404618

Juri 1 Juri 2 R1 R2 d=Rx-Ry

70 80 2 2,5 3 -0,5 -1 0,25 1

74 80 3 2,5 3 0,5 0 0,25 0

PENGERTIAN KOEFISIEN DETERMINASI

Bagian dari keragaman total variabel tak bebas Y (variabel yang

RUMUS UJI t UNTUK UJI KORELASI

CONTOH UJI t UNTUK UJI KORELASI SOAL A

2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan

CONTOH UJI t UNTUK UJI KORELASI

4. Menentukan daerah keputusan dengan nilai kritis 2,36

Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho

–2,36 t= –1,21 2,36

5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada

CONTOH UJI t UNTUK UJI KORELASI SOAL B

RUMUS KOEFISIEN DETERMINASI

4. Menentukan daerah keputusan dengan nilai kritis 2,23

Daerah menolak Ho Daerah menolak Ho

–2,23 2,23 t= 5,33

5. Menentukan keputusan. Nilai t-hitung berada di daerah menolak H0, yang

MENGGUNAKAN MS EXCEL UNTUK MENCARI

MENGGUNAKAN MS EXCEL UNTUK MENCARI

RUMUS PERSAMAAN REGRESI

Suatu persamaan matematika yang mendefinisikan

SCATTER DIAGRAM UNTUK MEMBANTU MENARIK

Hubungan Inflasi dan Suku Bunga

SCATTER DIAGRAM UNTUK MEMBANTU MENARIK

Hubungan Inflasi dan Suku Bunga

CONTOH SELISIH ANTARA DUGAAN DAN

Gambar A: selisih antara dugaan dan aktual lebih kecil

CONTOH SELISIH ANTARA DUGAAN DAN

GAMBAR PERSAMAAN REGRESI

RUMUS MENCARI KOEFISIEN a DAN b

Y : Nilai variabel bebas Y

CONTOH HUBUNGAN ANTARA PRODUKSI

CONTOH HUBUNGAN ANTARA PRODUKSI

Gambar A: Koordinat antara Y dan

CONTOH HUBUNGAN ANTARA PRODUKSI

Gambar B: Koordinat antara Y dan , dimana Y =

Standar error atau kesalahan baku Pendugaan

Suatu ukuran yang mengukur ketidakakuratan pencaran atau

MENGGUNAKAN MS EXCEL UNTUK MENCARI

MENGGUNAKAN MS EXCEL UNTUK MENCARI

ASUMSI METODE KUADRAT TERKECIL

Beberapa asumsi penting metode kuadrat terkecil adalah sebagai berikut: