You are on page 1of 10

69

Bab 11 : REGRESI DAN KORELASI A. REGRESI (regression / estimating line) : studi yg ber tujuan unt mengevaluasi/memprediksi nilai ratarata variabel yg belum diketahui yg didasarakan pd nilai variabel yg telah diketahui → menduga persa maan regresi. Analisis Regresi : menentukan persamaan garis berda sarkan suatu rumus matematika yg menjelaskan hubungan antara satu/lebih variabel yg diketahui (independent variable → variabel yg mempenga -ruhi) dng satu variabel yg tdk / belum diketahui (dependent variable → variabel yg dipengaruhi).
Macam hubungan antara dua variabel / lebih

1) Hubungan linier (berpangkat satu) Y Y b< a
Hubungan (-)

!

Y" # a $ b!

Y b% ! b !
&eterangan : a : k'nstanta pd ! # b : k'e(isien (sl'pe) ∂Y b # ---- → arah dari grs ∂! a * b : parameter estimasi

Hubungan ($)

Y b# !

)dk ada hubungan

+) Hubungan n'n linier (berpangkat n) Y
Bisa berupa parab'l Y" # a $ b1! $ b+!+ Bisa berupa hiperb'l 1 Y" # ------a $ b!

!

Kesalahan muncul krn model merpk penyederhanaan dari realitas.lm analisis regresi tu uann!a adalah unt menduga garis regresi (menduga nilai a dan b) yg tdk diketahui berdasar pengamatan pasangan nilai variabel-variabel yg terlibat. data ekonomi sering sulit unt diukur.e/ara matematis rumus regresi sederhana p'pulasi : !(Y0!i) # a $ b!i → diba/a (ungsi linier thd !i "i # a $ b!i 1adahal bentuk st'kastiknya #i # a $ b!i $ ei # "i $ e i ei & Yi – Ŷi → unt sampel &riteria pemilihan garis regresi sample yg paling dekat dng garis regresi p'pulasi adalah pilih garis regresi sample yg memiliki jml kuadrat kesalahan paling ke/il /metode Ordinary Least Squares : dng memini -mumkan Σei+ atau Σ(Yi – "i)2 atau Σ(Yi – a – b!i)+ shg dpt diper'leh rumus : nΣXY – ΣX ΣY ΣY – bΣX b = ---------------dan a = ----------nΣX2 – (ΣX)2 n obyek dimana n = banyaknya observasi = banyaknya ()nt)h : .random disturbance term. padahal masih ada faktor lain yg dpt mempengarhui tapi dihilangkan shg akan ditangkap dlm error term (u atau e).#) tdk semuanya jatuh pd garis regresi maka hubungan yg pasti spt ditunjukkan di atas hrs dim'di(ikasi dng memasu$$an unsur $esalahan (ue. c. error term. &rn ttk-ttk pasangan (". . Misal: promosi merpk faktor tunggal dlm mempe -ngaruhi penjualan. Kesalahan krn pengumpulan dan pengukuran data.70 . Kesalahan entuk fungsi yg digunakan . stochastic term ) hingga persm menjadi #%i & a ' b "i ' ui → dimana u unt p'pulasi dan e (residual) unt sampel yg merpk penduga thd u Error term timbul melalui bbrp kekuatan yg saling mempe ngaruhi : a.

= -------------------------------.: 9:.adalah .+ 75.++.+.71 .9 177 +9 .7 1 .9 1+ + +9. 65.enduga1 /). maupun < spt di ba2ah ini : &arena asumsi n'rmalitas unt error term ui.700)2 # 345367 ΣY – bΣX (1. 1enghitungan : nΣXY – ΣX ΣY 10(205. .ab : /en ualan /r)m)si "# "2 0#1 0"1 5 : 7.= 24.9 67 1 6.6 +7.6 6.6 17 +6 . 18.: 19.ari sampel rand'm sebanyak 1 persh berkeinginan unt melihat hubungan antara nilai penjualan yg diper -'leh (Y) dng pengeluaran biaya pr'm'si (!) di ba2ah ini dlm satuan 3*S.7 <!2 # .5 .b .5.500) – (1. @ariabel -----.%$&' satu satuan.ulasi baik unt .11 <! # 1.maka " akan ertam ah se esar $.ersamaan regresin!a 4 -a.6 117 1: + .6 11 16 15.8.6 <Y # 1.454 n 10 shg persm regresinya : Ŷ & 284858 ' 345367 " → artinya bah2a jika ! naik satu satuan. 19 ++ .9 87 19 1.5 <!Y # + 7..000) – (1.penduga Least Squares a dan b (unt sampel) memiliki distribusi b-? n'rmal rata-rata dan varians ttt. In9erensi 0.110) – (0 50!1)(1.700)(1. 9 . 8 1+ 1 .. +uatlah .ulasi K)e9isien Regresi =da dua te'ri pendugaan : (1) /endugaan :iti$ unt sampelspt yg sdh dipelajari di atas dng menggunakan >et'de Least Squares dan (+) /endugaan Interval /).110) b = -----------------.700) a = ------------.= -----------------------------------nΣX2 – (ΣX)2 10(322.

akan mengikuti distribusi t dng .ng /ara yg sama akan didpt pula unt penduga interval unt C dng tingkat keyakinan 87F adalah : /r)b=a>t 0. Bila menggunakan C # 7F # .e Sa # D ------------nE!2B(E!)2 +. . .Sa @ .SaA & 7 > .. @ a't 0. dng besarnya E!2./24 n?21. Ant menghi tung .e # D(EY+-aEY-bE!Y):(n-+) → shg penyu -sunan interval keyakinan ? menggunakan distribusi t yg dirumuskan sbb : /r)b=b>t 0.SbA & 7 > . b-? &rn itu variabel -----. =nalisis &'relasi : menunjukkan angka seberapa besar tingkat hubungan antara dua variabel atau lebih namun tdk menunjukkan hubungan (ungsi'nal.b dibutuhkan Se yg merpk penduga unt πu.e ?) yg akan diduga dng Sb # ----------------.7 maka pd tabel t ditunjukkan bah2a t034325 B C1 # 24D3E shg unt interval keyakinan ? adalah sebesar 3482EC @ < @ 345678 yg artinya bah2a dng tingkat interval keyakinan 87Fdlm jangka panjang (jika sampel diulang-ulang) 87 dari 1 kasus antara interval -9+6: sampai -7819 akan berisi ? yg benar.75 dng derajat kebebasan 1 -+ # :./24 n?21 . &embali ke /'nt'h kasus di atas: didpt b # -7 81 dng .b derajat bebas n B + → krn ada dua parameter (C dan .72 suatu variabel n'rmal yg distandardisasi.b # . K)e9isien determinasi linier sederhana 0r 21 F mengukur kesesuaian garis regresi terhadap data sampel.. → meliputi dua aspek : 7./24 n?21 ./24 n?21. KORELASI Bertujuan unt mengukur kekuatan hubungan (as'sia si) linier antara dua variabel/lebih dan tdk membeda -kan antara variabel bebas dng variabel terikatnya.dimana DE!2 B (E!)2/n besarnya .Sb @ < @ b't 0.

%$$) 9 ('.$%%. H.$$$)2 + --------------------------------. .::7.'$$ *6# + /$%.$$$ *# + '.00 . merpk ukuran unt mengetahui apakah garis regresi sampel sesuai dng data.. ).. Kelemahannya : krn r2 menyinggung -ariasi regresi dan residual ttp tdk memperhitungkan derajat e asnya. InE!YB(E!)(EY)J2 r2 # 1 B ---.+ "#$%& (mendekati sem- . regresi + $.$$$) 9 ('.otal -ariasi (TSS + total sum of squares) dpt di edakan menjadi dua.2 -----(00 + *(y-")2 + *e2 . 3ika semua titik terletak tepat pd garis regresi sampel maka r2 + ' (sesuai sempurna).''$)2.$$$ 9 '.7$$)2..7$$ *62 + 8//. )'$('8/. 2 . (/.00 + *(yi-") 100 (00 2 100 + *(y-yi) ' + ----.elah dihitung h5 *6 + '.%$$ )'$(/$%. shg penafsiran thd r2 menja di sulit jika intercept persm.# ---. 0etiap penam ahan -aria el e as thd persm. InE!2B(E!)2JInEY2B(EY)2J atatan ! r2 tdk pernah negatif dan esarnya erkisar antara $ dan '.# -----------------------------)..$$$) 9 ('. (esidu yg esar erarti garis regresi kurang sesuai.00 Definisi koefisien determinasi : G.2 r2 + ----------------------------------------------------------------)'$(8//.7$$)('. yaitu (') -ariasi yg dpt diterangkan oleh persm regresi (ESS + explained sum of squares) dan (/) -ariasi yg tdk dpt diterangkan oleh regresi atau -ariasi residu (RSS + residual sum of squares) → shg dpt dirumuskan TSS = ESS + RSS. 4ontoh kasus di atas : .''$).73 (esidu )*e + *(#-"). regresi yg telah ada tdk akan menurunkan r2 tetapi r2 akan makin mendekati '. jika residu kecil erarti garis regresi sangat sesuai dng data sedang jika semua data o ser-asi terletak pd garis regresi maka akan diperoleh garis regresi yg sesuai sempurna namun hal ini jarang terjadi.''$ *#2 + '8/.

.8 ) purna) 2..shg dpt dikatakan bah2a terdpt k'relasi negati( / terbalik.+ dan dng tara( signi(ikan (C) 7G nilai r tabelnya -567. K)e9isien $)relasi linier sederhana 0r1F mengu kur keeratan hubungan antarvariabel. . Humusnya sbb : nE!YB(E!)(EY) 2 r # Dr # D ------------------------------InE!2B(E!)2JInEY2B(EY)2J r # D -85.ari tabel r terlihat bah2a unt n # 1 dng tara( signi(ikan (C) 5G nilai r tabelnya -6.hg hasil analisis r di atas dpt dikatakan bah2a bila rhitung H rtabel ma$a r d.unt C # 1F → r dikatakan sangat signi(ikan . Lika semua titik-titik 'bservasi tepat di atas garis regresi maka r akan bernilai $1 atau -1. )(:5.dlm hal ini dpt dikatakan terdpt k'relasi sempurna. Nilai r juga dpt dilihat ting$at signi9i$ansinya.74 (.unt C # 7F → r dikatakan sangat signi(ikan . # 346CE (terdpt hubungan kuat dan p'siti( / searah) atatan ! krn nilai r2 erkisar antara $ dan ' maka nilai r akan terletak -' dan 2' → (r + D1 # K1).t di$ata$an signi9i$an. . Bila Y /enderung naik seiring dng kenaikan !maka garis regresi memiliki kemiringan p'siti( (b % ) dan r akan bernilai p'siti( shg dpt dikatakan bah2a terdpt k'relasi p'siti( / langsung.dng /ara membandingkan nilai r dalam tabel (lihat dlm tabel r Product Moment). &esimpulan : .yg merpk akar dari k'e(isien determinasi linier sederhana (r+). Bila Y /enderung turun seiring dng kenaikan ! maka garis regresi memiliki kemiringan negati( (b < ) dan r akan bernilai negati(. Lika garis regresi h'riM'ntal (b # ) maka r 2 # dan r # maka dpt dikatakan tidak ada k'relasi antara variabel Y dengan !.

75 #e$amat %e$a&ar dan #emo'a #ukses ((( Ring$asan Lan utan K)relasi : merpk hubungan/relasi antara satu variabel dng variabel lainnya. +.&.arti nya jika variabel yg satu merpk sebab maka va -riabel yg lainnya merpk akibat.artinya si(at hub variabel satu dng varia bel lainnya tdk jelas mana yg merpk variabel se bab dan mana yg merpk variabel akibat. K)relasi Pearson Product Moment (rumus pertama)sebagai berikut : nE!YB(E!)(EY) 2 r # Dr # D --------------------------------InE!2B(E!)2JInEY2B(EY)2J K)relasi Pearson Product Moment (rumus ke dua)sebagai berikut : O(! B !)(Y B Y)P 2 r # Dr # D -------------------------IE(! B !)2JIEY B Y)2J Humus pertama dan ke dua Korelasi Product Moment hanya dapat diterapkan untuk data yg berskala interval atau ratio → krn mendasarkan pd hubungan linier saja.) yg diambil dgn indeks prestasi kumulati( (Q1 $um) yg di/apai mhs . K)relasi)nal F hub tsb tdk menunjukkan si(at sebab akibat.uatu penelitian ingin melihat apakah ada hubungan antara banyaknya kredit mata kuliah (. Kausalitas F menunjukan si(at hub sebab akibat. Regresi : unt memprediksi k'ndisi di 2aktu yg akan da -tang dng suatu dasar keadaan sekarang/2ak -tu yg lalu dari hub variabel yg bersi(at kausali tas (se/ara tegas hrs sdh mengetahui terlebih dahulu mana variabel yg merpk sebab/ bebas dan mana variabel yg merpk akibat/teri$at). ()nt)h $asus : .baik se/ara : 1.

/< '< 8..# ---------------11 -7 √ 1-886 -++:8.%/ $.% 8$.$ -8.+*)Y.$: $.<: $./8$< -'.< -'.#. '/ 8. Y*2 )+. 9 7 6 5 : 8 1 .:. Y = &#. Σ Y = &./8$< /..% /.'$/< $.-9 .'7.&./ '% /.% /$./8$< $.% $.erhati$an si9at hubungan linier antara ke dua variabel yg akan di/ari k'relasinya shg kel'm p'k data berskala berbeda dpt di/ari dng mengguna kan rumus di ba2ah ini: E Σ D2 rs (rho) & 7 ? ?????????? n0n2 > 71 dimana = merpk selisih antara 6 dng # atau (6 9 #) ()nt)h : .etelah dilakukan pengumpulan data dari 1 mahasis2a ternyata penyebaran kredit mata kuliah (.8/ $.-9 r # D ---------------. .76 dlm suatu semester..<: $.$ <.&.sebagai berikut : O(! B !)(Y B Y)P r # D -------------------------IE(! B !)2JIEY B Y)2J .%':< $.$/ $.'.$ $.ulan : Hal ini bah2a naik/turunnya Q1$um hanya sedikit kaitannya dng naik/turunnya ./ -'. .% $.' <.: -$.% /./% -$.k'relasi yg td$ mem. +* )+ .$$./% $./7$< /./% $.Y* /$ 8. /$ <.#2 Σ=" Σ = --"#.2 K)relasi Pearson Product Moment (rumus ke dua).$ /. <. +*2 )Y ./% -$.% ./% $./% -$.% '/.<: $.ari 1 mhs yg terambil sbg sampel ternyata penyebaran datanya sbb : >ahasis2a : 1 + .<: ': 8. K)relasi Spearmen (Spearmen Correlation)..% '/.) yg diambil dan indeks prestasi kumulati( (Q1 $um) yg di /apai terlihat seperti dlm tabel di ba2ah ini : Runakan rumus ke dua dari K)relasi /ears)n /r)duct M)ment -ml SKS 0"1 '(kum )Y* )+ .< -$.$$$< -$.7/ $.uatu penelitian thd hubungan antara ranking tes masuk mhs baru dng ranking di kelas setelah ikut kuliah. -8./% -$.% /$../% $.8.<: $. yg diambil./: '.: Σ + = -. '$ 8.$% '/ <. Y* )Y .% ./% $. # 342D Kesim.:& ': <.$ -%./% -$.5: +.</ $./8$< '. Σ=" Σ = -#$$/ Σ = &#0 + = -.

√ : : (1 B .el besar /ears)n S.ng membuat hip'tesis n'l dan hip'tesisi alternati(. . Sam. Dari c)nt)h di atas (Product Moment) : r hasil perhitungan # 342D dng n # 1 .7 daerah penerimaan hip'tesis n'l adalah di antara -+-. /engu ian Signi9i$ansi K)relasi . . 6 8 82 D2 :1 +7 +7 9 8 8 .6. 6. maka hipotesisi nol (? ") yg mengatakan tdk ada korelasi (r + $) ditolak jika hasil perhitungan r ternyata le ih esar (@) drpd r ta elA dmk pula se aliknya apa ila r hitung ternyata le ih kecil (B) drpd r ta el maka kita menerima ?" yg menyatakan ah5a dua -aria el yg dicari hu ungannya nyata-nyata tdk erkorelasi.6 # ? 34E8 )ingkat hubungan antara keduanya relati( kuat tapi berkebalikan (berla -2anan arah). 9 7 6 5 : 8 # 1 D 8 7 7 + . : 9 6 7 7 6 . rs >pa ila menggunakan ta el r.7+8) # -66:978+ 85 # 34EI ttabel dng dk # n B + # : dan alpha (α) # ..earman /ears)n S. Bila kedua kel'mp'k data yg ada tdk mempunyai skala samadisatu pihak berskala 'rdinal dan di lain pihak berskala interval / rati' maka korelasi Rank Spearman dpt digunakan dng terlebih dahulu membuat data berskala interval/rati' menjadi berskala 'rdinal (rank).el $ecil Sam. 9 + 8 1 1 -umlah E Σ D2 6 (+5 ) rs & 7? ?????????? # ------------n0n2 > 71 1 (1 B 1) # .6 :1 2I3 /enghitungan 5 : 6 7 .6.earman n12 n12 t = r √ 1111111 t = rs √ 11111111 J&r√n>7 J & rs √ n > 7 2 2 -.maka nilai t hitung adalah thitung # -+.r .-6.6. 6 dan $+-.baru kemu -dian hasil kita hitung t unt sampel ke/il atau S unt sampel besar.77 Hanking tes masuk : 1 Hanking klas :1 + 5 . 5 9 : + 8 8 1 1 /ertan!aan : Berapakah tingkat hubungan antara ranking tes masuk dengan ranking klas sesudah kuliah 4 " 1 + .

+-.apabila kita memperbesar tingkat alpha. yg diambil dng i1$um. maka kita dapat menerima hip'tesis n'l yg berarti antara variabel .men'lak hip'tesisi n'l artinya bh2 k'relasi antara ranking tes masuk dan ranking hasil belajar mempunyai hubungan yg signi(ikan. 6 dan $+-.77:5+776 # ? 24DE ttabel dng dk # n B + # : dan alpha (α) # . 6. .maka nilai t hitung adalah thitung # .ng dmk.&.maka kemungkinan besar keputusan akan berla2anan &alau pakai t2' tailed test maka daerah penerimaan hip'tesis n'l diantara -+-. 'leh krn r hitung masih < drpd r tabel maka k'relasi tsb tdk signi(ikan.ng dmk. (atatan : perbedaan r hitung dng r tabel yg sangat ke/il dhg penerimaan hip'tesis n'l sebenarnya kurang mantap.ng dmk.78 . . .7 maka tabel r .pearman diper'leh nilai -698 (pakai one tailed test). ()nt)h !g Rank Spearman : r hasil perhitungan # ? 34E8 dng n # 1 .-69 √ : : (1 B -9 86) # .