REGRESI DAN

KORELASI LINIER
STATISTICS 1
Online Business
Semester Genap 2022/2023
REGRESI DAN KORELASI
LINIER
• Analisis Regresi Linier Sederhana
• Analisis Korelasi
• Koefisien Korelatif
• Koefisien Determinasi
REGRESI DAN KORELASI
LINIER
• Analisis regresi dan korelasi menyatakan hubungan antara
dua variabel atau lebih.
• Analisis regresi : menunjukkan bentuk hubungan antara dua
variabel atau lebih persamaan regresi
• Analisis korelasi : menunjukkan kekuatan hubungan antara
dua variabel atau lebih  koefisien korelasi
REGRESI DAN KORELASI
LINIER
• Analisis regresi  dapat diketahui bentuk hubungan antara
dua variabel (Prediksi dari data yang ada).
• Analisis korelasi  untuk mengetahui eratnya hubungan
antara dua variabel.
• Semakin erat hubungannya maka semakin yakin bahwa
hubungan dua variabel tersebut adalah hubungan sebab
akibat.
• Analisis regresi dan korelasi didasarkan atas hubungan yang
terjadi antara dua variabel atau lebih.
SCATTER PLOT
• Scatter plot adalah diagram dengan memakai garis
koordinat dengan axis X dan ordinat Y.
• Tiap pengamatan diwakili oleh satu titik.
• Hubungan antara variabel dapat berupa garis lurus (linier),
garis lengkung (kurva linier) atau tdk terlihat pola tertentu.
• Dapat berupa garis regresi positif atau negatif.
• Linier negatif Linier Positif
REGRESI LINIER
• Digunakan untuk meramalkan atau memperkirakan nilai dari satu
variabel dalam hubungannya dengan variabel lain atau mempelajari dan
mengukur hubungan statistik yang terjadi antara dua atau lebih varibel.
• Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi
majemuk dikaji lebih dari dua variabel.
• Variabel Terikat (Dependent Variable / Response Variable)
 Variabel yang akan diestimasi nilainya
• Variabel bebas (independent variable atau explanatory variable)
 Variabel yang diasumsikan memberikan pengaruh terhadap variasi
variabel terikat dan biasanya diplot pada sumbu datar (sumbu-x).
REGRESI LINIER
• Persamaan garis linier : Y = a + bX
• Pada persamaan ini harus jelas dan tentukan mana variabel
Y (dependen) dan variabel X (independen). Penetapan
disesuaikan dengan tujuan analisis.
• Dari persamaan garis regresi linier, dapat diduga satu nilai
variabel dependen berdasarkan nilai variabel bebasnya.
• Garis linier dapat digambarkan bila koefisien a dan b
diperoleh.
REGRESI LINIER
Persamaan regresi adalah persamaan matematik yang
memungkinkan untuk meramalkan nilai-nilai suatu peubah
tak bebas dari nilai-nilai satu atau lebih peubah bebas.
Dimana :
a = Intersep / perpotongan
dengan sumbu tegak
b = Kemiringan
y = Nilai ramalan yang
dihasilkan garis regresi
CONTOH
• Berikut ini data mengenai Nam Berat Jumlah kalori
jumlah kalori/hari yang a badan yang dikons.
dikonsumsi oleh mahasiswa A 89 530
dan berat badan mahasiswa B 48 300
yang bersangkutan. C 56 358
D 72 510
• Tentukan persamaan garis
E 54 302
regresinya!
F 42 300
G 60 387
H 85 527
I 63 415
J 74 512
CONTOH
KORELASI LINIER
• Analisis korelasi dipergunakan untuk mengetahui keeratan
hubungan antara dua variabel atau lebih tanpa
memperhatikan ada atau tidak adanya hubungan kausal
diantara variabel-variabel tersebut.
• Korelasi dapat bersifat linier atau tidak linier
• Korelasi dikatakan linier jika pada scatter diagram semua
titik terlihat mengelompok disekitar garis lurus.
KORELASI LINIER
• Bila titik-titik menebar pada satu garis lurus, maka kekuatan
hubungan antara kedua variabel tersebut sangat sempurna.
• Kekuatan hubungan dapat dikuantifikasi melalui suatu
koefisien yaitu koefisien korelasi (r pearson).
• Koefisien ini akan berkisar antara 0 – 1.
r = 0  tidak ada hubungan linier.
r = 1  hubungan linier sempurna.
• Bila mendekati 1 semakin kuat hubungannya, bila
mendekati 0 semakin lemah hubungannya.
• Lihat tandanya apakah korelasi positif atau negatif.
KOEFISIEN KORELASI
Koefisien korelasi, ukuran hubungan linier antara dua peubah
x dan y diduga dengan koefisien korelasi.
KOEFISIEN KORELASI
Interval Koefisien Tingkat Hubungan
0.000 – 0.199 Sangat rendah
0.200 – 0.399 Rendah
0.400 – 0.599 Sedang
0.600 – 0.799 Kuat
0.800 – 1.000 Sangat kuat
KOEFISIEN DETERMINASI
• R2, yaitu besarnya proporsi variasi Y yang dapat dijelaskan
oleh variabel X.
• Apabila r = 1 maka R2 = 100%
• X memegang peranan dalam perubahan Y.
• Bila terjadi perubahan X, maka Y akan berubah.
KOEFISIEN DETERMINASI
• Koefisien determinasi (R2) pada intinya mengukur seberapa
jauh kemampuan model dalam menerangkan variasi
variabel dependen.
• Nilai koefisien determinasi adalah antara nol dan satu.
• Nilai R2 yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen
amat terbatas.
• Nilai yang mendekati satu berarti variabel-variabel
independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen.
CONTOH
Jumlah jam 10 15 12 20 16 20
belajar/minggu (x)
Nilai yg diperoleh (y) 98 81 84 74 80 80

Tentukan nilai koefisien korelatif dan koefisien determinasinya

CONTOH

No xi yi xi.yi xi 2 y i2
1 10 98 920 100 8464
2 15 81 1215 225 6561
3 12 84 1008 144 7056
4 20 74 1480 400 5476
5 16 80 1280 256 6400
6 22 80 1760 484 6400
95 491 7.663 1.609 40.357
CONTOH
CONTOH
• Tabulasi 20 hasil penelitian variabel No X Y No X Y
kualitas layanan dengan volume
penjualan sabun cuci diperoleh data 1 45 120 11 52 157
sebagai berikut : 2 48 173 12 50 177
• Hitunglah : 3 63 149 13 60 166
• Nilai korelasi dan determinasi 4 46 166 14 55 160
• Persamaan regresi linier
sederhana 5 56 170 15 45 155
• Kesimpulan apa yang diperoleh 6 52 174 16 47 159
dari hubungan dua variabel
tersebut 7 56 156 17 53 159
8 47 158 18 49 172
9 56 150 19 57 168
10 55 160 20 58 159
CONTOH
Koefisien korelasi dan koefisien determinasi
CONTOH
Persamaan Regresi
CONTOH
Persamaan Regresi : Y = 149,114 + 0,215 X
• Nilai konstanta (a) = 149,114
• Nilai konstanta (a) sebesar 149,114, menunjukkan besarnya variabel
rata-rata penjualan barang yang tidak dipengaruhi oleh kualitas
layanan atau dapat diartikan pada saat nilai kualitas layanan sebesar 0,
maka rata-rata penjualan sebesar 149.114.
• Koefisien regresi sebesar 0,215.
• Berarti kualitas layanan mempunyai hubungan positif atau searah
dengan rata-rata penjualan, karena koefisien regresi bernilai positif.
• Setiap peningkatan 1 satuan kualitas layanan maka akan berpengaruh
terhadap peningkatan rata-rata penjualan sebesar 0,215 satuan.
• Begitu juga sebaliknya setiap penurunan kualitas layanan sebesar 1
satuan akan berpengaruh terhadap penurunan rata-rata penjualan
sebesar 0,215 satuan.