MEDIA MENGAJAR

MATEMATIKA

UNTUK SMA/MA KELAS XI

BAB 4
STATISTIKA REGRESI

Sumber gambar: Shutterstock.com

 4.1 Diagram Pencar

Diagram pencara atau scatter plot adalah diagram yang menunjukkan hubungan
antara dua variabel yang digambarakan dalam bentuk titik-titik (point) pada bidang
Cartesius.

Variabel Independen: variabel yang memengaruhi atau yang

menyebabkan berubahnya variabel dependen.

Variabel Dependen: variabel yang nilainya dipengaruhi oleh

variabel independen.
 Perhatikan diagram pencar berikut.

Hubungan antara dua variabel pada diagram pencar disebut korelasi. Untuk melihat
korelasi antara dua variabel perlu diperhatikan langkah-langkah berikut.
1. Tren pada diagram pencar untuk menentukan korelasi

Korelasi positif jika nilai variabel independen meningkat, maka nilai variabel
dependen juga meningkat.
Korelasi negatif jika nilai variabel independen meningkat, maka nilai variabel
dependen menurun.

Tidak ada korelasi jika titik-titik pada diagram pencar menyebar secara acak.
2. Kekuatan korelasi antara dua variabel
Jika titik-titik sebaran diagram pencar semakin rapat, maka hubungan semakin kuat,
sebaliknya jika titik-titik semakin menyebar, maka hubungannya semakin lemah.
3. Kelinearan diagram pencar
Hubungan linear terjadi jika titik-titik pada diagram pancar membentuk pola
yang menyerupai garis lurus.
4. Pencilan atau outlier
Pencilan atau outlier adalah data yang menyimpang terlalu jauh dari data lainnya
dalam sekumpulan data yang terletak jauh dari pesebaran data.
 4.2 Regresi Linear

Garis Regresi atau Garis Best-Fit

Garis regresi atau garis best-fit adalah garis yang paling tepat yang dapat menggambarkan hubungan
antara dua variabel. Secara sederhana garis regresi dapat dituliskan dalam persamaan sebagai
berikut.

^𝑦 =𝑚𝑥+𝑐
dengan: nilai variabel dependen yang diprediksi
nilai variabel independen
koefisien regresi (gradien garis regresi)
konstanta (nilai jika )
Metode Kuadrat Terkecil

Pemilihan garis regresi dengen metode kuadrat terkecil adalah dengen meminimalkan jumlah
kuadrat redisu. Perhatikan gambar berikut
Residu adalah jarak vertikal antara titik-titik data dan garis regresi. Berdasarkan gambar
tersebut, nilai dari residu sebagai berikut.

Residu

dengan: nilai variabel depeden yang diamati

nilai variabel dependen yang diprediksi
 Interpolasi dan Ekspolasi

Penggunaan garis regresi untuk memprediksi nilai yang berada di dalam rentang data disebut
interpolasi, sedangkan penggunaan garis regresi untuk memprediksi nilai yang berada di luar rentang
disebut ekstrapolasi. Perhatikan contoh berikut.
 4.3 Analisis Korelasi

Koefisien Korelasi

Koefisien korelasi merupakan nilai yang menunjukkan kekutaan hubungan antara dua
variabel. Nilai koefisein korelasi menunjukkan terjadinya hubungan sempurna antara
dua variabel, sedangkan nilai menunjukkan tidak adanya hubungan antara dua variabel
(tidak ada korelasi).
Perhatikan diagram pencar berikut untuk memahami korelasi antar dua variabel.
Nilai koefisein korelasi dan menunjukkan berbagai tingkat hubungan antara dua variabel.
 Koefisien Korelasi Pearson

Korelasi Pearson adalah jenis korelasi yang dapat digunkana untuk mengukur tingkat
korelasi antara variabel yang berhubungan secara linear. Koefiseien korelasi Pearosn (r)
digunakan untuk menunjukkan tingkat hubungan variabel independent X dan variabel Y.
Perhatikaan rumus koefisein korelasi berikut.

atau
 Koefisien Determinasi
Nilai Koefisien Determinasi Tingkat Korelasi

Koefisien determinasi digunakan untuk memprediksi Tidak ada

korelasi
dan melihat seberapa besar pengaruh variabel Sangat lemah
independent terhadapat variabel dependen. Koefisien Lemah
determinasi (adalah kuadrat dari koefisien korelasi Sedang
(r). Perhatikan tingkat korelasi berdasarkan nilai
Kuat
koefisien korelasi berkut.
Sangat kuat

sempurna
Nilai koefisien korelasi berkisar antara dan dapat diubah ke kedalam bentuk
persentase (%) untuk menyatakan besar pengaruh variabel independen
terhadap variabel dependen adalah. Perhatikan rumus berikut.

Koefisien determinasi