REGRESI DAN

KORELASI
 REGRESI

Alat analisis yang digunakan

untuk mengetahui ada
tidaknya hubungan sebab
akibat antara dua variabel
atau lebih
 Contoh Hubungan Antar
Variabel

• Prestasi kerja karyawan = f ( motivasi,

disiplin, kompetensi, koordinasi, leadership,
suasana kerja, fasilitas kerja, reward, dll)

• Penghasilan penjualan = f (produk, harga,

lokasi, promosi, personal, dll)
 VARIABEL

INDEPENDEN DEPENDEN
(X) (Y)

MENERANGKAN/ DITERANGKAN/
MERAMALKAN DIRAMALKAN
 Tentukan mana var X dan var Y

• Ada hubungan antara pendapatan dengan

konsumsi/pengeluaran

• Ada hubungan antara lamanya belajar siswa dengan

nilai ujian siswa

• Ada hubungan antara lamanya magang dengan

prestasi kerja karyawan

• Ada hubungan antara IQ dengan prestasi belajar

siswa
Apabila kita mempunyai 2 buah variabel yaitu satu
variabel X dan satu variabel Y

X  variabel bebas
Y  variabel tak bebas

Dengan fungsi  Y = α + β X + ε

Disebut “Model Regresi Linier Sederhana” dari data

POPULASI
 Y = α + β X + ε  Model Regresi Populasi
α dan β merupakan parameter

Y = a + b X + e  Model Regresi Sampel

∧
Y = a + b X  Persamaan Garis Regresi
a dan b merupakan statistik

α dan a = Koefisien Intersep

β dan b = Koefisien Regresi
 KOEFISIEN REGRESI

n xy  x  y 
b
n x   x 
2 2
KOEFISIEN INTERSEP

a  Y  bX
 ARTI KOEFISIEN INTERSEP (a)

a disebut koefisien intersep

Menyatakan perpotongan garis regresi dengan

sumbu Y apabila X = 0

Diartikan sebagai :

Rata-rata nilai Y akan sebesar a

jika nilai X=0
 ARTI KOEFISIEN REGRESI
(b)
b disebut koefisien Regresi
Menyatakan besarnya perubahan rata-rata Y
jika X berubah 1 unit

Jika b = + artinya
jika X naik 1 satuan, maka Y akan naik
sebesar b satuan
• jika X turun 1 satuan, maka Y akan turun
sebesar b satuan
 Jika b = - artinya

jika X naik 1 satuan, maka Y akan turun

sebesar b satuan

• jika X turun 1 satuan, maka Y akan naik

sebesar b satuan
 CONTOH
Y = a + b X
Persamaan Garis Regresi  Y = 350 + 0,8 X
Dimana :
Y = Pengeluaran dalam ribuan rupiah
X = Pendapatan dalam ribuan rupiah
X = 350 + 0,8 X
a = 350 artinya ……
b = + 0,8 artinya………
• X
 CONTOH
Y = 350 + 0,8 x
Y = Pengeluaran dalam ribuan
X = Pendapatan dalam ribuan

Nilai a = 350 artinya

jika pendapatan seseorang Rp. 0 , maka

Pengeluarannya rata-rata Rp. 350 ribu
 CONTOH
Y = 350 + 0,8 x
Y = Konsumsi dalam ribuan
X = Pendapatan dalam ribuan
Nilai b = + 0,8 artinya
jika pendapatan seseorang naik 1 ribu rupiah, maka
pengeluarannya juga akan naik 0,8 ribu rupiah
(Rp.800)

jika pendapatan seseorang turun 1 ribu rupiah, maka

pengeluarannya juga akan turun 0,8 ribu rupiah
(Rp.800)
 CONTOH
Y = 350 + 0,8 x
Y = Pengeluaran dalam ribuan
X = Pendapatan dalam ribuan
Pertanyaan :
1. Jelaskan arti koefisien Intersep dan koefisien
regresinya ?
2. Jika seseorang pendapatannya Rp.700 ribu,
berapakah perkiraan besarnya pengeluaran ?
3. Jika Pendapatan seseorang naik Rp 100 ribu,
berapakah perubahan pengeluaran ybs ?
4. Jika Pendapatan seseorang turun Rp. 50 ribu,
berapakah perubahan pengeluaran ybs ?
 Menguji Koefisien Regresi
1. Tentukan H0 dan H1
• H0 : β = 0 dgn H1 : β ≠ 0
H1 : β > 0
H1 : β < 0
• Data dikumpulkan
• Untuk menguji koefisien regresi ( β ) apabila
regresinya Linier Sederhana, maka statistik uji
yang digunakan adalah : b
t 0
Sb
derajat bebas
df = n - 2
  
 
 1 
Sb  S YIX 
2

 x   x 2 


 2
i
n
i


SYIX
2
 
 n 1  2 2 2
 Sy  b SX 
n2
 n x - (x)
2 2
Sx 
2

n (n  1)

n y - (y)
2 2
Sy 
2

n (n  1)
Lanjutan Menguji Koefisien Regresi

Daerah dan titik kritis

Jika t hitung > t tabel, maka pengujian significant berarti
Ho Ditolak
Jika t hitung < t tabel, maka pengujian non significant
berarti Ho Diterima

Kesimpulan
• Ho Ditolak : ada hubungan yang nyata antara variabel X
dg Y  Persamaan Regresi boleh diartikan
• Ho Diterima : tidak ada hubungan yang nyata antara
variabel X dg Y  Persamaan Regresi tidak boleh
diartikan
Data besarnya IQ dan nilai ujian
nasional dari 9 siswa yang terpilih
sebagai sampel

Sampel siswa IQ Nilai Ujian

1 109 55
2 120 76
3 125 75
4 130 90
5 105 70
6 114 78
7 127 65
8 100 50
9 140 95
 Pertanyaan :
1)Jelaskan manakah yang merupakan variabel bebas (X) dan mana
yang merupakan variabel tak bebasnya (Y) ?

2)Jika hubungan kedua variabel tersebut diduga linier, tentukan

Persamaan garis regresinya ?

3)Jelaskan arti koefisien regresinya ? Dengan melakukan uji

tentang hubungan kedua variable dengan taraf nyata 10 %

4)Jika seorang siswa mempunyai IQ sebesar 120, berapakah

Perkiraan hasil nilai ujiannya ?

5)Jika IQ seorang siswa meningkat 5 point, berapakah perkiraan

peningkatan nilai ujiannya ?

6)Jika ada hubungan antara tingkat IQ dengan nilai ujian siswa,

berapakah besarnya tingkat keeratan hubungan tersebut ?

7)Berapakah besarnya pengaruh IQ seorang siswa terhadap hasil

 Hasil perhitungan
NO YG DITANYAKAN
1 Var X dan Y
2 Pers grs. regresi
Uji koefisien regresi
3 Arti koefisien regresi
4 Brp Y, jika X = 120
5 Jika IQ naik 5 point
6 R=?
7 KD = ?
HASIL
X= IQ dan Y = Nilai Ujian
Y = -36,39 + 0,9173 X
SyIx 2 = 86,34 dan Sb = 0,253
t = 3,62 dan t tabel = 1,895
Peng Signifikan, Ho ditolak
b= 0,9 artinya jika IQ siswa naik 1 point, 
nilai ujian akan naik 0,9 point
Y = 73,686 ≈ 73,7 point
Jika IQ naik 5 point  nilai ujian akan naik
4,6 point
R = 0,807
KD = 65,125 % artinya perubahan yg terjadi
pd nilai ujian dipengaruhi oleh IQ sebesar
65,125 %, sisanya 34,975 % dipengaruhi oleh
var lain seperti lamanya belajar, disiplin,
motivasi. dll
 CONTOH SOAL REGRESI LINIER SEDERHANA

Untuk menjalankan sebuah bisnis tidak bisa

dilepaskan dari kegiatan promosi. Bahkan disinyalir
bahwa belanja promosi dari waktu ke waktu semakin
menunjukkan peningkatan.
Pengusaha percaya bahwa keberhasilan
penjualan perusahaan juga dipengaruhi oleh kegiatan
promosi. Namun sebelum perusahaan memutuskan
untuk menambah belanja promosinya, pengusaha ingin
mengetahui ada tidaknya hubungan antara biaya
promosi yang dikeluarkan perusahaan dengan hasil
penjualannya.
Berikut ini data hasil penjualan perusahaan dan
besarnya biaya promosi yang dikeluarkan dalam 10
tahun terakhir.
Data Biaya Promosi dan Penjualan Perusahaan
dalam 10 tahun terakhir (dlm Jutaan Rupiah)
TAHUN BIAYA PROMOSI HASIL PENJUALAN
2001 39 335
2002 20 170
2003 25 305
2004 30 325
2005 50 440
2006 40 410
2007 27 355
2008 50 520
2009 50 415
2010 35 320
 Data Biaya Promosi dan Penjualan Perusahaan
dalam 10 tahun terakhir (dlm Jutaan Rupiah)
TAHUN BIAYA HASiL
PROMOSI PENJUALAN XY X 2
Y 2

(X) (Y)
2001 39 335
2002 20 170
2003 25 305
2004 30 325
2005 50 440
2006 40 410
2007 27 355
2008 50 520
2009 50 415
2010 35 320
 Data Biaya Promosi dan Penjualan
Perusahaan dalam 10 tahun terakhir
(dlm Jutaan Rupiah)
TAHUN BIAYA HASiL
PROMOSI PENJUALAN XY X 2
Y 2

(X) (Y)
2001 39 335 13065 1521 112225
2002 20 170 3400 400 28900
2003 25 305 7625 625 93025
2004 30 325 9750 900 105625
2005 50 440 22000 2500 193600
2006 40 410 16400 1600 168100
2007 27 355 9585 729 126025
2008 50 520 26000 2500 270400
2009 50 415 20750 2500 172225
2010 35 320 11200 1225 102400
 Pertanyaan :
1)Jelaskan manakah yang merupakan variabel bebas (X) dan mana yang merupakan
variabel tak bebasnya (Y) ?

2)Jika hubungan kedua variabel tersebut diduga linier, tentukan Persamaan garis
regresinya dengan metode least square ?

3)Jelaskan arti koefisien regresinya ? Sebelumnya uji dulu aoakah ada hubungan yg
nyata antara X dengan Y

4)Jika perusahaan pada Tahun 2014 mengeluarkan biaya promosi sebesar 80 juta
rupiah, berapakah Perkiraan besarnya hasil penjualan ?

5)Jika perusahaan tidak melakukan kegiatan promosi, berapa perkiraan besarnya

hasil penjualan perusahaan ?

6)Jika perusahaan merencanakan untuk mengurangi pengeluaran biaya promosi

sebesar 15 juta rupiah, berapakah perkiraan perubahan hasil penjualannya ?

7)Jika kedua variabel tsb ada hubungan, berapakah besarnya tingkat keeratan
hubungan tersebut ?
8)Berapakah besarnya pengaruh biaya promosi terhadap besarnya hasil penjualan ?
 KORELASI
• Koefisien Korelasi adalah Besarnya tingkat keeratan
hubungan antara variabel X dengan variabel Y

• RUMUS :
n X iYi   X i  Yi 

 
r
n X i
2
  X i  n Yi   Yi 
2 2 2
 Batas-Batas Keeratan ρ (Koefisien Korelasi)

Keeratan hubungan antara Y dengan X melalui aturan dari

GUILFORD , sebagai berikut jika ρ:

• > 0 − < 0,2 atau -0,2 − < 0 → artinya hub. antara Y

dengan X longgar sekali

• 0,2 − < 0,4 atau -0,4 − < -0,2 → artinya hub. antara Y
dengan X cukup erat

• 0,4 − < 0,7 atau -0,7 − < -0,4 → artinya hub. antara Y
dengan X erat

• 0,7 − < 0,9 atau -0,9 − < -0,7 → artinya hub. antara Y
dengan X sangat erat

• 0,9 − ≤ 1 atau -1 − ≤ -0,9 → artinya hub. antara Y

Besarnya Pengaruh X thd Y
• Jika regresi yang dianalisis adalah Regresi Linier Sedrehana,
maka untuk mengukur besarnya pengaruh X terhadap Y
dapat digunakan KOEFISIEN DETERMINASI ( KD )
• Koefisien Determinasi ( KD ) = r 2 x 100 %
• KD = 87 % artinya Perubahan-perubahan yang terjadi pada
nilai Y, 87 % diantaranya dipengaruhi oleh perubahan yang
terjadi pada nilai X, sedangkan sisanya yang 13 % lainya
dipengaruhi oleh variabel lain selain X.
 CONTOH KD
• Misal
• Dalam persamaan regresi Y = 250 + 0,75 X
• Dimana : X = Pendapatan
Y = Pengeluaran
KD = 83 % artinya Besar kecilnya pengeluaran
seseorang 83 % dipengaruhi oleh besar kecilnya
pendapatan orang tersebut, sedangkan 17 % lainnya
dipengaruhi oleh faktor lain selain pendapatan, seperti
selera, jumlah anggota keluarga, harga barang dsb
TERIMA KASIH
SEMOGA BERMANFAAT