BAB I

PENDAHULUAN

A. LATAR BELAKANG

Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada tahun
1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh
tinggi, memiliki anak-anak yang tinggi pula dan orang tua yang pendek memiliki
anak-anak yang pendek pula. Kendati demikian, ia mengamati ada kecenderungan
bahwa tinggi anak bergerak menuju rata-rata tinggi populasi secara keseluruhan.
Dengan kata lain ketinggian anak yang amat tinggi atau orang tua yang amat pendek
cenderung bergerak ke arah rata-rata tinggi populasi. Inilah yang disebut hukum
Galton mengenai regresi universal. Dalam bahasa Galton ia menyebutnya sebagai
regresi menuju medikritas (Maddala, 1992).

Interpretasi modern mengenai regresi agak berlainan dengan regresi versi

Galton. Secara umum. analisis regresi pada dasarnya adalah studi mengenai
ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen
(variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi
rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel
independen yang diketahui (Gujarati, 2003).

Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel

independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen
dengan suatu persamaan; Koefisien regresi dihitung dengan dua tujuan
sekaligus: Fertama, meminimumkan penyimpangan antara nilai aktual dan nilai
estimasi variabel dependen berdasarkan data yang ada (Tabachnick, 1996).

B. Rumusan Masalah
1. Apa itu Variabel Bebas dan Variabel Terikat ?
2. Bagaimana Analisis Korelasi Sederhana ?
3. Apa itu Diagram Pencar ?
4. Apa itu Tabel Korelasi ?
5. Bagaimana Koefisien Korelasi Linear Sederhana ?
6. Apa itu Regresi Linear ?
7. Apa itu Selisih Taksir Standar ?

1
C. Tujuan Pembahasan
1. Untuk Mengetahui Apa itu Variabel Bebas dan Variabel Terikat
2. Untuk Mengetahui Bagaimana Analisis Korelasi Sederhana
3. Untuk Mengetahui Apa itu Diagram Pencar
4. Untuk Mengetahui Apa itu Tabel Korelasi
5. Untuk Mengetahui Bagaimana Koefisien Korelasi Linear Sederhana
6. Untuk Mengetahui Apa itu Regresi Linear
7. Untuk Mengetahui Apa itu Selisih Taksir Standar

2
 BAB I

PEMBAHASAN

A. VARIABEL BEBAS DAN VARIABEL TERIKAT

Variabel bebas adalah variabel yang nilai-nilainya tidak bergantung pada nilai-
nilai lainnya,biasanya disimbolkan dengan X. Variabel itu digunakan untuk
meramalkan atau menerangkan nilai variabel yang lain.

Variabel terikat (variabel X) adalah variabel yang nilai-nilainya tergantung pada

variabel lainya, biasanya disimbolkan dengan Y. variabel itu merupakan variabel yang
diramalkan atau diterangkan nilainya.

Jika variabel bebas (variabel X) memiliki hubungan dengan variabel

terikat(variabel Y) maka nilai-nilai variabel X yang sudah diketahui dapat digunakan
untuk menaksir atau memperkirakan nilai-nilai Y.

Berikut ini digambarkan berbagai istilah yang digunakan untuk variabel bebas
dan variabel terikat.

Variabel bebas Variabel terikat

Variabel yang menjelaskan Variabel yang dijelaskan

Peramal Yang diramalkan

Yang meregresi Yang diregresi

Perangsang atau vaariabel kendali Tanggapan

B. ANALISIS KORELASI SEDERHANA

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan

antar variabel. Analisis korelasi adalah cara untuk mengetahui ada atau tidaknya
hubungan antar variabel misalnya hubungan dua variabel. Apabila terdapat hubungan

3
 antarvariabel maka perubahan-perubahan yang terjadi pada salah satu variabel akan
mengakibatkan terjadinya perubahan pada variabel lainnya. Jadi, dari analisis korelasi,
dapat diketahui hubungan antarvariabel tersebut, yaitu merupakan suatu hubungan
kebetulan atau memang hubungan yang sebenarnya.

Korelasi yang terjadi antara dua variabel dapat berupa korelasi positif, korelasi
negatif, tidak ada korelasi, ataupun koreasi sempurna.

1. Korelasi Positif

Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang
satu (X) meningkat atau menurun maka variabel lainnya (Y) cenderung untuk
meningkat atau menurun pula.

2. Korelasi Negatif

Korelasi negatif adalah korelasi dai dua variabel, yaitu apabila variabel yang
satu (X) meningkat atau menurun maka variabel laiinya (Y) cenderung menurun atau
meningkat.

3. Tidak Ada Korelasi

Tidak ada korelasi terjadi apabila kedua variabel (X dan Y) tidak menunjukkan
adanya hubungan.
4. Korelasi Sempurna

Korelasi sempurna adalah korelasi dari dua variabel, yaitu apabila kenaikan atau
penurunan variabel yang satu (variabel X ) berbanding dengan kenaikan atau
penurunan variabel lainnya ( variabel Y ).

Analis korelasi yang akan dipelajari disini adalah analis korelasi yang hanya
melibatkan dua variabel ( variabel X dan Y ) saja.

Analisis korelasi dapat dilakukan melalui beberapa cara, yaitu diagram pencar,
tabel korelasi, koefisien korelasi, serta regresi.

4
C. DIAGRAM PENCAR

Diagram pencar atau diagram serak adalah suatu alat berupa diagram untuk
menunjukkan ada atau tidaknya korelasi (hubungan) antara dua variabel ( variabel X
dan Y ) Yang berupa pengambaran nilai-nilai dari variabel tersebut.

Diagram pencar menggunakan sisteam koordinat kartesius. Pada koordinat

tersebut, pada sumbu X diletakkan nilai-nilai variabel bebas (X) dan pada sumbu Y
diletakkan nilai-nilai variabel terikat (Y).

Tujuan dari diagram pencar adalah untuk mengetahui apakah titik-titik kordinat
pada diagram tersebut membentuk suatu pola tertentu. Dalam diagram tersebut, sebua
garis dapat ditarik membagi dua titik koordinat pada kedua sisinya. Dari garis
tersebut dapat diketahui korelasi antara kedua variabel tersebut. Jika arah garis naik
bearti korelasi positif, jika arah garis menurun bearti koresi negatif, jika terjadi
beberapa garis tidak ada korelasi, dan jika titik-titik tepat melalui garis bearti
korelasinya sempurna.

Berikut ini adalah diagram pencar dari beberapa jenis korelasi tersebut.

Gambar 8.1 Diagram pencar dan jenis-jenis korelasi

5
 Contoh soal :

Berikut ini data mengenai hubungan antara hasil penjualan dan biaya iklan dari
sebuah perusahaan

TABEL 8.1 HUBUNGAN ANTARA HASIL PENJUALAN DAN BIAYA

IKLAN, DARI SEBUAH PERUSAHAAN

a. Buatlah diagram pencar dari data-data tersebut !

b. Sebutkan jenis-jenis korelasi yang terjadi !

Penyelesaian:

a. Pengambaran diagram pencar dengan meletakkan biaya iklan pada variabel bebas
(sumbu X ) dan hasil penjualan pada variabel terikat ( sumbu Y ), sebagai berikut.

6
 Gambar 8.2 Diagram pencar hubungan penjualan dan iklan

b. Jenis korelasi yang yang terjadi adalah positif.

Diagram pencar sebagai suatu alat untuk mengetahui ada tidaknya korelasi
antara dua variabel memiliki kelemahan-kelemahan, yaitu:

a. Adanya ketidakpastian untuk meletakkan garis lurus tersebut secara tepat;

b. Tidak terdapatnya ukuran yang jelas dalam menunjukkan sejauh mana korelasi antara
kedua variabel tersebut.

D. TABEL KORELASI

sama halnya diagram pencar, tabel korelasi juga menunjukkan adanya indikasi
korelasi antara dua variabel.

Pada tabel korelasi terdapat dua variabel , yaitu variabel X dan Y . Proses
pembentukan tabel korelasi hampir sama dengan proses pembentukan tabel frekuensi
( distribusi frekuensi ). Tabel korelasi disebut distribusi frekuensi bervariabel dua.

Proses pembuatan tabel korelasi (distribusi frekuensi dua variabel) adalah

sebagai berikut :

1. Menentukan jangkauan kedua variabel ( variabel X dan Y )

r = Data terbesar – Data terkecil
2. Menentukan banyaknya kelas kedua variabel tersebut.
k= 1+ 3,2 log n
3. Menentukan panjang interval kelas kedua variabel tersebut.

4. Menentukan batas bawah kelas pertama dari kedua variabel itu. Batas bawah kelas
pertama diambil dari data terkecil atau data terkecil hasil pelebaran jangkauan.
5. Menempatkan kelas untuk variabel X pada kolom tabel dan kelas untuk variabel Y
pada baris tabel.

7
Contoh soal :

Berikut ini data mengenai persentase penduduk nonpetani (X) dan pendapatan
keluarga petani (Y) pada tahun tertentu di 50 desa.

TABEL 8.2 PERSENTASE PENDUDUK NONPETANI (X) DAN

PENDAPATAN KELUARGA PETANI (Y) DI 50 DESA.

a. Buatlah tabel korelasinya !

b. Sebutkan jenis korelasinya !

Penyelesaian :

1. Jangkauan variabel X = 96 – 17 =79

Jangkauan variabel Y = 2.048 – 424 = 1.624
2. Jumlah kelas:
k = 1+ 3,3 log 50
= 1+ 3,3 (1,699)
= 1+ 5,6 = 6,6 = 7 ( dibulatkan )
3. Interval kelas variabel X (presentase penduduk nonpetani)

8
4. Batas bawah kelas pertama untuk variabel X = 15
Batas bawah kelas pertama untuk variabel Y = 400
5. Tabel :

a. TABEL 8.3 PERSENTASE PENDUDUK NONPETANI DAN PENDAPATAN

KELUARGA PETANI DI 50 DESA PADA TAHUN TERTENTU

b. Dari tabel terlihat bahwa semakin tinggi persentase penduduk nonpetani semakin
tinggi pula median pendapatan keluarga petani. Jadi, keduanya terdapat korelasi
positif.

E. KOEFISIEN KORELASI LINEAR SEDERHANA

1. Pengertian Koefisien sederhana

Koefisien korelasi merupakan indeks atau bilangan yang digunakan untuk

mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel.

Koefisien korelasi ini memiliki nilai antara -1 dan +1 (−1 ≤ 𝐾𝐾 ≤ +1).

a. Jika KK bernilai positif maka variabel-variabel berkolerasi positif. Semakin dekat

nilai KK ke + 1 semakin kuat kolerasinya, demikian pula sebaliknya.

9
b. Jika KK bernilai negatif maka variabel-variabel berkolerasi negatif. Semakin dekat
nilai KK ke – 1 semakin kuat kolerasinya, demikian pula sebaliknya.
c. Jika KK bernilai 0 maka variabel-variabel tidak menunjukkan kolerasi.
d. Jika KK bernilai + 1 atau -1 maka variabel-variabel menunjukkan kolerasi positif
atau negatif yang sempurna.

Untuk menentukan keeratan hubungan/korelasi antarvariabel tersebut, berikut

ini diberikan nilai-nilai dari KK sebagai patokan.

1. KK = 0, tidak ada korelasi.

2. 0 < KK ≤ 0,20, korelasi sangat rendah/lemah sekali.
3. 0,20 < KK ≤ 0,40, korelasi rendah/lemah tapi pasti.
4. 0,40 < KK ≤ 0,70, korelasi yang cukup berarti/sedang.
5. 0,70 < KK ≤ 0,90, korelasi yang tinggi/kuat.
6. 0,90 < KK < 1,00, korelasi sangat tinggi; kuat sekali, dapat diandalkan.
7. KK = 1, korelasi sempurna.

2. Kegunaan Koefisien Korelasi

Koefisien korelasi ini digunakan untuk :
a. Menentukan arah atau bentuk dan kekuatan hubungan

_ kekuatan hubungan sempurna, kuat, lemah, atau tidak ada.

b. Menentukan kovariasi, yaitu bagaimana dua variabel random ( X dan Y )
bercampur.
Kovariasi dirumuskan:

3. JENIS-JENIS KOEFISIEN KORELASI LINEAR SEDERHANA

10
 a. Koefisien Korelasi Perason
Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan antara
dua variabel yang datanya berbentuk data interval atau rasio. Disimbolkan
dengan “r”.
Koefisien korelasi Pearson dapat ditentukan dengan dua metode yaitu :
1) Metode least square
Koefisien korelasi linear dengan metode least square dirumuskan:
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑟=
√(𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 )(𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 )
2) Metode produck moment
Koefisien korelasi (r) dengan metode produck moment dirumuskan:
∑ 𝑋𝑌
𝑟=
√𝑛 ∑ 𝑥 2 . ∑ 𝑌2

Keterangan :

Contoh soal :

Jika Y = Hasil panen (dalam kuintal)

X = Pemupukan ( dalam 10kg )

Berikut ini diberikan hasil pengamatan pemupukan dan hasil panen padi untuk 5
percobaan yang telah dilakukan :

1. Tentukan koefisien korelasinya (r) dengan metode least square dan

metode produck moment!
2. Sebutkan jenis-jenis kolerasinya dan apa artinya !

11
Penyelesain:

 Metode least square

 Jenis kolerasinya adalah korelasi positif dan sangat kuat, artinya hubungan
antara pemupukan dan hasil panen padi bersifat positif. Jika pemupukan
bertambah maka hasil panen pun akan naik.
b. Keofisien Korelasi Rank Spearman
Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan antara
dua variabel yang datanya berbentuk data ordinal (data bertingkat).
Disimbolkan dengan rs dan dirumuskan:

12
 6 ∑ 𝑑2
𝑟𝑠 = 1 − 3
𝑛 −𝑛
Keterangan:
r= keofisien kolerasi rank Spearman
d = selisih ranking X dan Y
n = banyaknya pasangan data

Untuk menghitung koefisien kolerasi ramk, dapat digunakan langkah-langkah

berikut :

1. Nilai pengamatan dari diua variabel yang akan diukur hubungannya diberi
rangking. Pemberian rangking dimulai dari data terbesar atau terkecil. Jika
rangking sama, diambil rata-rata.
2. Setiap pasang rangking dihitung perbedaanya
3. Perbedaan setiap pasang rangking tersebut dikuadratkan akan dihitung
jumlahnya.
4. Nilai rs dihitung dengan rumus diatas.

Contoh soal :

Berikut ini data mengenai nilai matematika dan statistik dari 10 mahasiwa.

TABEL 8.4 NILAI MATEMATIKA DAN STATISTIK DARI 10 MAHASISWA

a. Hitunglah koefisien korelasi rank nya !

b. Sebutkan jenis korelasi dan apa artinya !

Penyelesaiannya :

Untuk perhitungan, nilai matematika disebut sebagai variabel X dan nilai statistik
sebagai variabel Y .

13
Jenis kolerasinya adalah kolerasi positif dan kuat, artinya jika nilai matematika tinggi
maka nilai statistik juga cenderung tinggi.

c. Koefisien Korelasi Rank Kendall

Keofisien kolerasi rank kendall merupakan pengembangan dari keofisien korelasi
rank Spearman. Disimbolkan dengan (dibaca tau). Koefisien kolerasi ini
digunakan pada pasangan variabel atau data X dan Y dalam hal ketidaksesuaian
rank, yaitu untuk mengukur ketidakteraturan. Koefisien kolerasi rank Kendall
dirumuskan.

Keterangan :
S = statistik untuk jumlah korkondansi
C = /- korkondansi
D = /- diskordansi

14
 /- = banyaknya pasangan
N = jumlah pasangan X dan Y

Untuk menghitung koefisien korelasi ini, dapat digunakan langkah-langkah

seperti berikut ini :

1. Nilai pengamatan dari variabel yang akan diukur hubungan diberi rangking.
Pemberian rangking dimulai dari data terbesar atau terkecil. Jika rangking
sama diambil rata-ratanya.
2. Tentukan nilai patokan berurut dengan menyusun salah satu dari nilai
rangking tersebut secara berurutan, dimulai dari pertama,kedua, dan
seterusnya dalam menghitung nilai konkordansi dan diskordansi.
3. Tentukan nilai korkondansi (+1) dan nilai diskordansi (-1) dari nilai-nilai yang
bukan patokan.
4. Tentukan nilai statistik S dengan menjumlahkan setiap nilai konkordansi dan
nilai diskordansi tersebut :
5. Nilai dihitung dengan rumus diatas.

Contoh soal :

Berikut ini adalah nilai statistik dan nilai matematika dari 5 orang mahasiswa.

a. Tentuka nilai koefisiennya korelasi rank Kendallnya !

b. Apa artinya ?

Penyelesaian:

1. Perhitungan nilai rangking dari kedua nilai subjek tersebut

15
2. Misalkan patokan berurut adalah nilai statistik.
3. Untuk menetukan nilai korkondansi atau diskordansi hanya dilihat satu nilai saja.
Karena nilai patokan berurut sudah ditentukan yaitu nilai statistik maka nilai
konkordansi dan diskordansi dihitung dari nilai matrmatika. Dengan demikian
nilai korkondansi dan diskordansi adalah :
- Dilihat dari P
(P,Q)=-1 (P,R)=+1 (P,S)=-1 (P,T)=+1
- Dilihat dari Q
(Q,R)=+1 (Q,S)=+1 (Q,T)=+1
- Dilihat dari R
(R,S)=-1 (R,T)=+1
- Dilihat dari S
(S,T)=+1

Catatan :

(P,Q)= -1 diskordansi, bilangan yangada didepannya lebih kecil dari bilangan

yang ada dibelakangnya.

(P,R)=+1 korkondansi, bilangan yang ada didepan lebih besar dari bilanagan
yang ada dibelakangnya.

4. Nilai S didapat dengan menjumlahkan nilai konkordansi dan diskordansinya.

S = -1+1-1+1+1+1+1-1+1+1
= +4
a. Nilai koefisien korelasi kendallnya adalah

16
 b. Artinya ada hubungan positif dan lemah antara nilai matematika dan statistik. Jika
nilai matematika naik maka nilai statistik juga akan naik. Jika diantara nilai-nilai
pengamatan terdapat nilai yang sama makan rumus koefisiennya menjadi :

Catatan :

Tied = peringkat sama (Blalock, 1979;438)

Tx = peringkat sama untuk data X

Uy = peringkat sama untuk data Y

Nilai Uy mempertimbangkan banyknya tied pada kelompok nilai I ditambah dengan

banyknya skor tied pada nilai kelompok II.

F. REGRESI LINEAR

Regresi merupakan suatu alat ukur yag digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabel. Analis regresi lebih akurat dalam melakukan analisis
korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat peruahan
suatu variabel terhadap variabel lainnya dapat ditentukan. Jadi, analisis regresi,

17
 peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat
pula.

Regresi linear adalah regresi yang variabel bebasnya ( variabel X ) berpangkat

paling tinggi satu. Untuk regresi sederhana, yaitu regresi linear yang hanya
melibatkan dua variabel ( variabel X dan Y ), persamaan garis regresinya dapat
dituliskan dalam dua bentuk, yaitu sebagai berikut :

1. Persamaan Regresi Linear dari Y terhadap X

Persamaan regresi linear dari Y terhadap X dirumuskan:
Y = a + bX

Keterangan :

Y = Variabel terikat

X = Variabel bebas

a = intersep

b = koefisien regresi /slop

Persamaan regresi linear diatas dapat pula dituliskan dalam bentuk :

2. Persamaan Regresi Linear dari X terhadap Y

Persamaan regresi linear dari X Terhadap Y dirumuskan :
X = a + bY
Keterangan :
X = Variabel Terikat
Y = Variabel bebas
a = intersep
b = koefisien regresi

Persamaan regresi linear diatas, dapat pula dituliskan dalam bentuk :

18
 Persamaan-persamaan garis regresi linear tersebut adalah identik jika semua
titik dari dari diagram pencarnya berada pada sebuah garis. Dalam hal demikian,
terdapat korelasi sempurna antara X dan Y .

Dari kedua bentuk persamaan regresi linear diatas, yang paling umum
digunakan adalah persamaan yang berbentuk Y = a + bX. Untuk persamaan regresi
berbentuk Y = a+ bX nilai a dan b dapat ditentukan dengan cara berikut :

1. Rumus (I)

2. Sistem Persamaan Linear Dua Variabel

3. Pendekatan Matriks

4. Rumus (II)

19
 Untuk bentuk persamaan kedua, nilai a dan b dapat pula ditentukan dengan
menggunakan cara-cara diatas, hanya dengan menggantikan X dan Y DAN Y dengan
X.

Contoh soal :

Berikut ini data mengenai pengalaman kerja dan penjualan.

X = pengalaman kerja (tahun)

Y = omzet penjualan (ribuan)

TABEL 8.5 PENGALAMAN KERJA DAN OMZET PENJUALAN DARI

8 SALESMAN PADA PERISAHAAN “TOP”

a. Tentukan nilai a dan b

b. Buatkan persamaan garis regresinya !
c. Berapa omzet penjualan dari seoarang karyawan yang pengalaman kerjanya 3,5
tahun ?

Penyelesaian :

20
21
22
G. SELISIH TAKSIR STANDAR

Selisih taksir standaratau kesalaha baku adalah angka aytau indeks yang
digunakan untuk mengukur ketepatan suatu penduga atau mengukur jumlah variasi
titik-titik observasi disekitar garis regresi.

Apabila semua titik observasi berada tepat pada garis regresi, selisih taksir
standar sama dengan nol. Dengan demikian, selisih taksir standar secara langsung
menunjukkan tingkat pancaran data. Selisih taksir standar berguna untuk mengetahui
batasan seberapa jauh melesetnya perkiraan kita dalam meramal data.

Selisih taksir standar dapat ditentukan dengan menggunakan rumus berikut .

23
Contoh soal :

Perhatikan data berikut ini :

TABEL 8.6 HUBUNGAN ANTARA VARIABEL X DAN VARIABEL Y

a. Buatkan persamaan garis regresinya !

b. Tentukan nilai duga Y, jika X = 8 !
c. Tentukan selisih taksir standarnya !

Penyelesaian :

24
a. Persamaan garis regresinya :
Y` = 5,75 – 0,5X
b. Nilai duga Y` = 5,75 – 0,5X
= 1,75
c. Selisih taksir standarnya adalah :

Selisih taksir standar dapat pula dihitung secara langsung dengan menggunakan
rumus berikut :

25
 Untuk contoh soal Tabel 8.6 dengan menggunakan rumus kedua, selisih taksir
standarnya adalah :

Dengan menggunakan nilai duga dari persamaan regresi dan selisih taksir
standar, dapat dibuat batas prakiraan dari sebuah nilai duga. Batas prakiraan dapat
bernilai lebih (plus), disebut batas prakiraan tertinggi dan dapat pula bernilai kurang (
minus ), disebut batas prakiran terendah. Batas prakiraan dirumuskan :

Untuk :

- BP = Y` + Sy/x` disebut batas prakiraan tertinggi.

- BP = Y`- Sy/x` disebut batas prakiraan terendah.

26
Contoh soal :

Gunakan data dari Tabel 8.6 , tentukan baats prakiraan tertinggi dan terendah !

Penyelesaian :

Dari jawaban contoh soal sebelumnya , diketahui :

- Nilai duga Y`, untuk X = 8, adalah 1,75

- Selisih taksir standar (Sy/x ) adalah 1,2
Batas prakiraan tertinggi adalah
BP =Y`- Sy/x
= 1,75 + 1,2
= 2,95 satuan
Batas prakiraan terendah adalah :
BP = Y`- Sy/x
= 1,75 – 1,2
= 0,55 satuan

27
 BAB III

PENUTUP

A. KESIMPULAN

Variabel bebas adalah variabel yang nilai-nilainya tidak bergantung pada nilai-
nilai lainnya,biasanya disimbolkan dengan X. Variabel itu digunakan untuk
meramalkan atau menerangkan nilai variabel yang lain.

Variabel terikat (variabel X) adalah variabel yang nilai-nilainya tergantung pada

variabel lainya, biasanya disimbolkan dengan Y. variabel itu merupakan variabel yang
diramalkan atau diterangkan nilainya.

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan

antar variabel. Analisis korelasi adalah cara untuk mengetahui ada atau tidaknya
hubungan antar variabel misalnya hubungan dua variabel. Apabila terdapat hubungan
antarvariabel maka perubahan-perubahan yang terjadi pada salah satu variabel akan
mengakibatkan terjadinya perubahan pada variabel lainnya. Jadi, dari analisis korelasi,
dapat diketahui hubungan antarvariabel tersebut, yaitu merupakan suatu hubungan
kebetulan atau memang hubungan yang sebenarnya.

Korelasi yang terjadi antara dua variabel dapat berupa korelasi positif, korelasi
negatif, tidak ada korelasi, ataupun koreasi sempurna.

B. SARAN

Dalam hal ini penulis akan memberikan beberapa saran mengenai makalah ini
sebagai berikut :

Pembahasan tentang makalah ini sudah tentu jauh dari kata sempurna, bahkan
saya menyadari bahwa dalam pembahasannya masih banyak sekali kesalahan dan
kekurangan.

Dengan demikian maka penulis sangat mengharapkan untuk adanya koreksi dan
masukan agar makalah ini bisa lebih baik, akhirnya kami mengucapkan terimakasih
yang telah membaca dan ikut berpatisipasi tentang pembahasan makalah ini. Dan
selesainya makalah ini tentu tidak lepas dari limpahan rahmat Alla Swt. Semoga kita
selalu mendapat ridhonya. Amin.

28
 DAFTAR PUSTAKA

Hasan, Iqbal. 2003. Pokok-pokok Materi Statistik 1. Jakarta: Bumi Aksara.

29