Statistika

Korelasi dan Regresi

Linear Sederhana
Kety Lulu Agustin, S.E, M.M
Table of contents

Kolerasi Regresi
Korelasi Linier Sederhana & Koefisien Regresi Linier
Korelasi Linear Sederhana Sederhana: Analisis, Variabel, Tipe,
Model, Analisis
01 02
Our areas of expertise

Korelasi Regresi

 Korelasi hanya
 Regresi mununjukkan
menunjukkan sekedar
hubungan pengaruh.
hubungan Perbandingan  Dalam regresi terdapat
 Dalam Korelasi variabel
istilah tergantung dan
tidak ada istilah
variabel
tergantung dan variabel
bebas
Korelasi Linier
Sederhana
Bertujuan untuk mengukur "seberapa kuat" atau "derajat kedekatan" suatu
relasi yang terjadiantar variabel melalui koefisien korelasinya
Contoh Analisis Korelasi

Contoh Analisis
contoh
Mengukur korelasi antara
variabel: Misalnya:
 Motivasi kerja dengan semakin tinggi badan maka menyebabkan
produktifitas kerja Catatan berat badanya
semakin bertambah, tetapi jika berat
 Kualitas pelayanan badannya bertambah belum tentu
dengan kepuasan menyebabkan tinggi badannya bertambah. =>
Korelasi tidak secara
pelanggan bukan kausalitas/sebab
otomatis menunjukkan
 Fasilitas pendidikan akibat atau timbal balik
adanya hubungan Contoh kausalitas:
dengan prestasi belajar
kausalitas / sebab akibat - Konsumsi dengan pendapatan
atau timbal balik - kebersihan dengan kesehatan
Koefisien Korelasi

The population correlation coefficient ρ (rho) The sample correlation coefficient r is an

measures the strength of the association estimate of ρ and is used to measure the
between the variables strength of the linear relationship in the
sample observations
Koefisien Korelasi Linear
Sederhana

KK mendekati +1, Indeks atau bilangan yang digunakan untuk

makin mengukur keeratan hubungan antar variabel.
KK Positif
kuat korelasinya,
(Korelasi Positif)
dan
sebaliknya Memiliki nilai antara dan

KK mendekati -1,
KK Negatif makin kuat
KK (korelasi negative) korelasinya, dan
sebaliknya

Tidak memiliki
KK=0 korelasi
Gambar Plot
Arti dari koefisien relasi r
adalah

Sangat Kuat Lemah

0,90 < r < 1,00 0,30 < r < 0,50
atau -1,00 < r < -0,90 atau -0,50 < r < -0,30
Moderat
0,50 < r < 0,70
atau -0,70 < r < -0,50
Kuat Sangat Lemah
0,70 < r < 0,90 0,00 < r < 0,30
atau -0,90 < r < -0,70 atau -0,30 < r < 0,00
Jenis Koefisien Korelasi

Pearson data interval / rasio

Rank Spearman data ordinal

Kontingensi data nominal

KP atau R Pengaruh antar variabel

 01
Koefisien Korelasi Pearson

Digunakan untuk mengukur keeratan hubungan

antara 2 variabel yang datanya berbentuk data
interval atau rasio.
Rumus

𝑛Σ 𝑋𝑌−Σ𝑋 Σ𝑌
𝑟=
√{𝑛 Σ𝑋 −( Σ 𝑋 ) }{𝑛Σ𝑌 −( Σ𝑌 ) }
2 2 2 2
 02
Koefisien Korelasi Rank
Spearman
Digunakan untuk mengukur keeratan hubungan antara 2 variabel yang
datanya berbentuk data ordinal (data bertingkat).
Digunakan untuk mengurutkan objek / tingkatan dari yang paling rendah
sampai yang paling tinggi, atau sebaliknya
 Rumus
2
6Σ𝑑
𝑟 𝑠=1 − 3
Keterangan :
𝑛 − 𝑛
= koefisiens korelasi spearman’s rank
jumlah sampel
selisih rangking x dan y
 03
Koefisien Korelasi Kontingensi

• digunakan untuk mengukur keeratan hubungan antara 2 variabel yang

datanya berbentuk data nominal (data kualitatif).
• Angka diberikan hanya sebagai label saja, tanpa ada tingkatan
 Rumus

√
2
𝑥
𝐶=
Jika tidak ada keterkaita
Jika Ada keterkaitan san
2
𝑥 +𝑛
Jika Ada Keterkaitan ku
Jika Ada keterkaitan lem

Keterangan :
=Koefisien Kontingensi
= Nilai chi-square
= Besar Sampel
 04
Koefisien Penentu (KP) atau
Koefisien Determinasi (R)
• Koefisien penentu menjelaskan besarnya pengaruh nilai dari suatu
variabel (variabel X) terhadap naik/turunnya (variasi) nilai varibel lainnya
(variabel Y)
 Rumus

2
𝐾𝑃=𝑅= ( 𝐾𝐾 ) ×100%
Keterangan :
= Koefisien Korelasi
Regresi Linear
Sederhana
Peramalan, Penaksiran atau Pendugaan
Analisis Regresi
Analisa regresi digunakan untuk:
• Meramalkan atau memperkirakan nilai dari satu variabel
dalam hubungannya dengan variabel lain
• Memepelajari dan mengukur hubungan statistik yang terjadi
antara dua atau lebih variabel.
• Menerangkan impak perubahan variabel independent

Regresi dibedakan menjadi 2 macam yaitu:

● Regresi sederhana : dikaji dua variabel
● Regresi majemuk (multiple regression) : dikaji lebih dari dua
variabel
Variabel dalam Analisis
Regresi

Variabel Bebas (Independent

Variable atau Explanatory Variable)
Variabel Terikat (Dependent • Variabel yang diasumsikan
Variable atau Response Variable) memberikan pengaruh terhadap
Variabel yang akan diestimasi nilainya variasi variabel terikat
• Biasanya diplot pada sumbu daftar
(sumbu-x)
Tipe Model Regresi
Model Regresi Linear
Sederhana

 Hanya satu variabel independent x

 Hubungan antara x dan y didiskripsikan
sebagai fungsi linier
 Perubahan pada y diasumsikan terjadi
karena perubahan pada x
 Analisis Regresi
Gagasannya adalah meminimalkan penyebaran total nilai
dari garis.

Regresi atau garis kuadrat terkecil adalah garis dengan SSE

(Sum of Squared Errors) yang terkecil.
Analisis Regresi

Persamaan regresi linier sederhana secara matematik diekspresikan oleh:

Besarnya konstanta dapat ditentukan menggunakan persamaan :

Standard Error of Estimate
(Kesalahan Baku Regresi Sederhana)

Merupakan indeks yang digunakan untuk mengukur tingkat ketepatan regresi (pendugaan) dan koefisien
regresi (penduga) atau mengukur variasi titik-titik observasi di sekitar garis regresi.
Dengan kesalahan baku, batasan seberapa jauh melesetnya perkiraan dalam meramal data dapat diketahui.
Bila semua titik observasi berada tepat di garis regresi maka kesalahan baku = nol.
Dengan menggunakan data dan tabel perhitungan pada Contoh 1, maka standard error estimasi dari garis
regresi yang diperoleh adalah:
Kesalahan Baku Koefisien Regresi a dan b
(Penduga a dan b)

Kesalahan baku dirumuskan:

Koefisien regresi a

Koefisien regresi b
Awesome
words