DATA DERET

BERKALA
ANALISIS KORELASI
DAN REGRESI
Di susun oleh : Kelompok 4
 ANGGOTA KELOMPOK

AHMAD ALGODRI PRAYOGA ANGGIE AFRIDA

AZIZI SUNGKOWO SYAHZILLAH HARIYANI
DALIMUNTHE
 ANGGOTA KELOMPOK

SALFARIZ YOGIA PUTRA

AKBAR
PENDAHULUAN

A Pengertian Data Deret Berkala Dan

Komponen Data Berkala

B Analisis Trend Linier

Kolerasi dalam Regresi Linier
C

D Distribusi sampling koefisien

E Menguji Hipotesis
 A. pengertian data deret berkala dan
komponen data berakla

Analisa deret berkala adalah data yang dikumpulkan dari waktu kewaktu untuk
menggambarkan perkembangan suatu kegiatan (perkembangan, harga, hasil,
penjualan, jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb).
Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.
• komponen data berkala
• Variasi Musim (Seasonal)
• Variasi Siklus(cyclical)
• Gerakan/variasi random/residu (Irregular or random variations)
 B. Analisis Trend
Linear

Analisis tren linear adalah teknik analisis statistik yang

digunakan untuk mengevaluasi perubahan linear dalam
suatu variabel seiring waktu atau variabel lainnya. Analisis
tren linear umumnya digunakan dalam bidang ekonomi,
bisnis, dan ilmu sosial untuk memprediksi arah perubahan
dalam suatu data atau fenomena.
.
 Contoh kasus
Produk Domestik Bruto (PDB) atas dasar harga konstan tahun
1983 (milyar rupiah). Buatlah persamaan garis trend dengan
metode tangan bebas serta ramalkan PDB untuk tahun 2000 dan
2001.
 Contoh kasus
TAHUN X PDB(Y)

1992 0 10164,9

1993 1 11169,2

1994 2 12054,6

1995 3 12325,4

1996 4 12842,2

1997 5 13611,5

1998 6 14180,8

1999 7 14850,1
 Contoh kasus
Berikut jika diagram tren dari PDB dibuat :
PDB(Y)
16000

15000

14000

13000

12000

11000

10000

9000
1992 1993 1994 1995 1996 1997 1998 1999
 Contoh kasus
Diambil tahun 1992 sebagai titik asal (0,10164,9) dan tahun 1999 sebagai titik akhir (7, 14850,1)

Mencari nilai a dan b :

 
Dari hasil yang didapat dapat diketahui bahwa setiap tahun secara rata-rata terjadj kenaikan PDB sebesar 669,3
Milyar
Persamaan garis liniernya adalah :

Ramalaan untuk tahun 2000 (X = 8) dan tahun 2001 (X=9) :

PDB2000 = 10164,9 + 669,3(8) = 15519,3 (Rp15.519,3 Milyar)
PDB2001 = 10164,9 + 669,3(9) = 16188,6 (Rp16.188,6 Milyar)
 C. Distribusi Sampling
Koefisien Korelasi
Dalam distribusi sampling koefisien korelasi, nilai r (koefisien
korelasi) berkisar antara -1 dan 1. Nilai -1 menunjukkan
hubungan negatif sempurna antara dua variabel, sedangkan nilai 1
menunjukkan hubungan positif sempurna antara dua variabel.
Jika tidak ada hubungan antara dua variabel, maka nilai r akan
sama dengan 0.
• Populasinya mempunyai  = 0
• Jika semua sampel acak itu berasal dari populasi normal
bervariabel dua dengan  = 0, maka distribusi sampling
koefisien korelasi akan simetrik dengan r = 0. jika dibentuk
statistik :
 C. Distribusi Sampling
Koefisien Korelasi
• Populasinya mempunyai   0
• Jika populasi dari mana sampel acak itu diambil mempunyai 
= 0  0, maka distribusi sampling koefisien korelasi tidak
simetrik. Dalam hal ini, dengan menggunakan sebuah
transformasi akan menyebabkan distribusi yang tidak simetrik
itu mendekati distribusi normal. Transformasi yang digunakan
ialah transformasi Fisher :

• dengan In berarti logaritma asli, yaitu logaritma dengan

bilangan pokok e. Dalam logaritma biasa, transformasi ini
dapat juga ditulis sebagai :
 C. Distribusi Sampling
Koefisien Korelasi
• Dengan transformasi ini, distribusi normal yang terjadi (suatu
bentuk pendekatan) mempunyai rata-rata dan simpangan
baku :
• Rumus z dapat pula
ditulis dalam bentuk :

• Menaksir Koefisien Korelasi

• Metode  titik taksiran: metode ini mengestimasi  koefisien
korelasi dengan menggunakan sampel data yang tersedia.
Salah satu formula yang dapat digunakan adalah:
 C. Distribusi Sampling
Koefisien Korelasi
• di mana Σxy, Σx, dan Σy adalah jumlah produk x dan y, jumlah
x, dan jumlah y dalam sampel acak, dan n adalah ukuran
sampel.
• Metode interval taksiran: Untuk menentukan interval taksiran
koefisien korelasi , digunakan transformasi Fisher, yaitu Z.
setelah Z didapat, baru batas-batas z ditentukan. Jika  =
koefisien kepercayaan yang diberikan, maka interval taksiran
z dihitung oleh :
• dengan z½ z didapat dari daftar distribusi normal baku
menggunakan peluang ½.
• Akhirnya batas-batas  dapat ditentukan dengan
menggunakan batas-batas z :
 D. Koleransi dalam
regresi linier
Pada Korelasi Dalam Regresi Linier adalah bagaimana
memperhitungkan Koefisien Determinasi dari suatu data. Untuk
mendapatkan Koefisien Determinasi antar Variabel maka harus
ditentukan dahulu Koefisien Korelasinya (r) lalu setelah itu kita
bisa menentukan Koefisien Determinasinya melalui r2, namun
sebelum memperhitungkan Koefisienya diharuskan menentukan
Persamaan Regresi Linier Sederhananya.
 rumus

Berikut rumus-rumus yang diperlukan dalam korelasi didalam

regresi linier :
• Rumus Persamaan Regresi Linier Sederhana

• Dimana mencari a dan b menggunakan rumus :

 rumus

Berikut rumus-rumus yang diperlukan dalam korelasi didalam

regresi linier :
• Rumus Koefisien Korelasi

• Sedangkan untuk mencari koefisien determinasi kita hanya

perlu mengkuadratkan koefisien korelasi yang sudah
didapatkan.
 rumus

Kriteria koefisien korelasi (Menarik Kesimpulan) :

r = 0, tidak ada korelasi
0 < r ≤ 0,20, korelasi sangat rendah/lemah sekali
0,20 < r ≤ 0,40, korelasi rendah/lemah tapi pasti
0,40 < r ≤ 0,70, korelasi yang cukup berarti
0,70 < r ≤ 0,90, korelasi yang cukup tinggi atau kuat
0,90 < r ≤ 1,00, korelasi yang sangat tinggi, kuat sekali, dan dapat
diandalkan
r = 1, korelasi sempurna
 E. Uji Hipotesis
• Uji Hipotesis Korelasi
Uji hipotesis korelasi adalah pengujian untuk mengecek apakah
variabel x mempunyai hubungan dengan variabel y. Dalam Uji
Hipotesis Korelasi maka diperlukan kriteria :
thitung < ttabel = H0 ditolak
thitung > ttabel = H0 diterima
Dengan rumus uji t :

Dengan t = nilai t hitung

r = nilai koefisien korelasi
n = jumlah data
 E. Uji Hipotesis
• Uji Hipotesis Regresi Linier Sederhana
Dalam uji hipotesis persamaan regresi linier kita mencari
seberapa besar signifikansi pengaruh perubahan variabel x
terhadap variabel y, dengan cara memperhitungkan Fhitung dan Ftabel
dari suatu persamaan. Dalam menentukan hasil hipotesa maka
diperlukan kriteria :
Fhitung < Ftabel = tidak signifikan
Fhitung > Ftabel = signifikan
 E. Uji Hipotesis
• Uji Hipotesis Regresi Linier Sederhana
Dengan menggunakan tabel anova :
SK JK db KT Fhitung Ftabel 0,05
ሺƩ𝑥 ሻሺƩ𝑦ሻ 𝐽𝐾𝑅 𝐾𝑇𝑅 Ftabel 0,05
Regresi 𝑏(Ʃ𝑥𝑦 − ) k
𝑛 𝑑𝑏𝑅 𝐾𝑇𝐺 (dbR:dbG)

dbT
𝐽𝐾𝐺
Galat JKT – JKR -
𝑑𝑏𝐺
dbR
ሺ ሻ2
Ʃ𝑦
Total Ʃ𝑦 2 − n-1
𝑛
 Contoh Soal
Terdapat nilai ulangan harian (X) dan nilai ulangan semester (Y)
berikut ini :
No X CarilahY :
1 5 7 • Koefisien Korelasi
2 7 8 • Persamaan Regresi Linier
3 6 8
4 8 7 • Uji Hipotesis Korelasi dengan
5 7 9 taraf 5%
6 8 8 • Uji Hipotesis Regresi dengan
7 6 7
8 7 9
taraf 5%
9 5 7
10 8 9
 Contoh Soal
Terdapat nilai ulangan harian (X) dan nilai ulangan semester (Y)
berikut ini :
No X CarilahY :
1 5 7 • Koefisien Korelasi
2 7 8 • Persamaan Regresi Linier
3 6 8
4 8 7 • Uji Hipotesis Korelasi dengan
5 7 9 taraf 5%
6 8 8 • Uji Hipotesis Regresi dengan
7 6 7
8 7 9
taraf 5%
9 5 7
10 8 9
 Contoh Soal
Untuk mempermudah pengerjaan soal maka tabel didistribusikan lagi
menjadi :
No X Y XY X2 Y2 • Mencari Koefisien Korelasi :
1 5 7 35 25 49
2 7 8 56 49 64
3 6 8 48 36 64
4 8 7 56 64 49
5 7 9 63 49 81
6 8 8 64 64 64
7 6 7 42 36 49
8 7 9 63 49 81 Jadi, Koefisien Korelasinya adalah 0,51, yang berarti
9 5 7 35 25 49
10 8 9 72 64 81 merupakan korelasi yang cukup berarti
∑ 67 79 534 461 631
 Contoh Soal
• Mencari Persamaan Regresi Linier
 Contoh Soal
• Menguji Hipotesis Korelasi
• Ingat kriterianya :

• H0 = tidak ada korelasi

• H1 = ada korelasi
• Kita sudah mendapatkan nilai koefisien korelasinya yaitu (0,51), lalu kita masukkan ke
rumus untuk menghitung thitung yaitu :
• selanjutnya menetukan ttabel , dikarenakan kita
menggunakan taraf 5% / 0,05 dan melakukan
pengujian terhadap 2 sampel maka merujuk
pada tabel berikut :
Contoh Soal
 Contoh Soal
• Maka didapatkan : t(0,025:8) = 2,306.
• Selanjutnya adalah perbandingan, ingat kriterianya :

• Dari hasil yang didapatkan bahwa thitung = 1,67 dan ttabel = 2,306 maka thitung < ttabel yang
berarti bahwa hipotesa H0 diterima, artinya bahwa antara variabel nilai ulangan harian
(x) tidak memilki hubungan terhadap variabel nilai ulangan semester (y).
 Contoh Soal
• Menguji Hipotesis Regresi
• Ingat kriterianya :

• H0 = tidak signifikan
• H1 = terjadi hubungan signifikan
• Dalam uji hipotesis regresi kita memerlukan tabel anova berikut tabelnya :
• Untuk mencari tabel anova maka kita
harus memsukkan nilai b dari hasil
persamaan regresi linier yang sudah
kita hitung yaitu (0,388)
 Contoh Soal
• Menguji Hipotesis Regresi
Mencari JK :
Mencari KT:

Mencari db : Mencari Fhitung :

Mencari Ftabel:
 Contoh Soal
• Menguji Hipotesis Regresi
• Maka setelah semua perhitungan dilakukan maka didapati hasil dari tabel
anova sebagai berikut :
• Dari hasil perhitungan
didapatkan bahwa Fhitung=
2,875 dan Ftabel = 5,32, maka
dapat disimpulkan bahwa
Fhitung < Ftabel yang berarti
perubahan nilai ulangan
harian (x) tidak berpengaruh
secara signifikan terhadap
nilai ulangan semester (y).
Terima Kasih