LAPORAN RESMI PRAKTIKUM

STATISTIKA

XV. REGRESI DAN KORELASI

Nama : Naylatul Amani

Nim : 220311100154

Shif : D (Senin, 18:00-21:00)

Asisten : M. Arif Rama Syaputra

PROGRAM STUDI AGROEKOTEKNOLOGI

JURUSAN ILMU DAN TEKNOLOGI PERTANIAN

FAKULTAS PERTANIAN

UNIVERSITAS TRUNOJOYO MADURA

BANGKALAN

2023
 BAB IV

HASIL DAN PEMBAHASAN

4.1. Hasil

4.1.1 Tabel Data

Y X1 X2 RES 1
100.0 100.0 100.0 -13.41490712172942
106.0 104.0 99.0 -9.090927058205747
107.0 106.0 154.0 -4.779713494931161
120.0 111.0 126.0 4.38594060914233
110.0 154.0 113.0 -21.431578919287375
116.0 115.0 154.0 0.6378427176113222
123.0 120.0 102.0 1.7917520791331771
133.0 154.0 103.0 0.7301941046494418
137.0 126.0 98.0 13.068165430402892
142.0 136.0 112.0 15.261190099716329
126.0 102.0 104.0 12.124285049260848
114.0 116.0 105.0 -5.364582589177861
102.0 103.0 100.0 -12.609055050881928
107.0 110.0 98.0 -10.563045614117076
116.0 121.0 154.0 -1.7504531406936894
120.0 114.0 127.0 3.2756153775961425
121.0 154.0 101.0 -11.437451290563194
124.0 126.0 154.0 4.259300310718801
137.0 128.0 126.0 14.619102343944798
147.0 154.0 102.0 14.646371407043123
137.0 114.0 97.0 17.760934449406598
126.0 127.0 110.0 2.675988491961209
137.0 121.0 114.0 16.399575140691493
100.0 98.0 154.0 -8.595319017191146
109.0 154.0 111.0 -22.599224314500013
4.1.2 Tabel Contoh

Tabel Anova

ANOVA Table
Sum of Mean
Squares df Square F Sig.
Y * Between (Combined) 3081.940 17 181.291 .852 .633
X1 Groups Linearity 1129.133 1 1129.133 5.306 .055
Deviation from
1952.807 16 122.050 .574 .831
Linearity
Within Groups 1489.500 7 212.786
Total 4571.440 24
Tabel 1. Anova

ANOVA Table
Sum of Mean
Squares df Square F Sig.
Y * Between (Combined) 3343.740 16 208.984 1.362 .339
X2 Groups Linearity 182.710 1 182.710 1.191 .307
Deviation from
3161.030 15 210.735 1.373 .334
Linearity
Within Groups 1227.700 8 153.462
Total 4571.440 24
Tabel 2. Anova
Tabel Koefisien

Coefficientsa

Unstandardized Standardized Collinearity

Coefficients Coefficients Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 81.992 26.972 3.040 .006

X1 .398 .156 .476 2.554 .018 .967 1.034

X2 -.084 .138 -.114 -.609 .549 .967 1.034

a. Dependent Variable: Y
Tabel Korelasi
 Correlations
Y X1 X2
Y Pearson Correlation 1 .497* -.200
Sig. (2-tailed) .011 .338
N 25 25 25
X1 Pearson Correlation .497* 1 -.181
Sig. (2-tailed) .011 .386
N 25 25 25
X2 Pearson Correlation -.200 -.181 1
Sig. (2-tailed) .338 .386
N 25 25 25
*. Correlation is significant at the 0.05 level (2-tailed).

4.2 Pembahasan
4.2.1 Pengertian Regresi dan korelasi
Regresi adalah suatu metode analisis yang biasa digunakan untuk melihat
pengaruh antara dua atau banyak variabel. Umumnya, analisis regresi digunakan
untuk melakukan prediksi atau ramalan. Sedangkan, hubungan variabel tersebut
bersifat fungsional yang diwujudkan dalam suatu model matematis. Selain itu,
analisis regresi dipakai untuk memahami variabel yang berhubungan dengan
variabel terkait untuk mengetahui bentuk-bentuk hubungan tersebut.
Secara umum, manfaat penggunaan analisis regresi untuk mengetahui
variabel-variabel kunci yang memiliki pengaruh terhadap suatu variabel
bergantung pemodalan, pendugaan, atau peramalan. Berikut ini beberapa manfaat
yang bisa didapatkan dengan melakukan penerapan analisis regresi:
1. Meramalkan nilai rata-rata variable bebas yang di dasari nilai variabel
bebas di luar jangkauan sampel
2. Menguji hipotesis karakteristik dependensi
3. Membuat estimasi rata-rata dan nilai variabel berdasarkan nilai
variabel bebas.

Korelasi adalah ukuran sejauh mana dua variabel berkaitan. Pada dasarnya,
fungsi korelasi yaitu untuk melakukan standarisasi pada hasil kovarians (ukuran
hubungan antara dua variabel) yang didapat. Korelasi sederhana yaitu keterikatan
antara 2 variabel, yakni variabel bebas (independent) disimbolkan "X" dan
variabel terikat (dependent) disimbolkan "Y". Tujuan korelasi sederhana adalah
mengetahui hubungan kekuatan antara dua variabel yang ada. Korelasi antara
ukuran baru dan ukuran yang sudah ada disebut keabsahan validitas konkuren.
Analisis korelasi (correlation analysis) atau uji korelasi dipakai untuk mengetahui
keeratan hubungan antara variabel.

Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari
hubungan antara dua variabel atau lebih. Bentuk hubungan antara variabel-
variabel X dan Y dapat berupa hubungan potitif dan negatif. Hubungan kedua
variabel X dan variabel Y dikatakan positif bila perubahan yang terjadi pada
variabel X akan mengakibatkan terjadinya perubahan variabel Y pada arah yang
bersamaan dan hubungan kedua variabel X dan variabel Y dikatakan negatif bila
perubahan yang terjadi pada variabel X akan mengakibatkan terjadinya perubahan
pada variabelY pada arah yang berlawanan. Ukuran hubungan linier antara dua
variabel acakX dan Y disebut koefisien korelasi.

4.2.2 Interpretasi Data

Uji parameter regresi secara parsial di lihat dari nilai sig.(signifikan untuk
uji t) pada tabel koefisien. Nilai sig. untuk x 1 adalah lebih dari 0,05 maka secara
statistik parameter x1 tidak mempengaruhi model sehingga dengan kata lain
variabel indeks produksi dalam negri barang A tidak mempengaruhi indeks import
barang A, namun variabel rasio indeks import dan harga mempengaruhi indeks
impor barang A. Dari hasil output SPSS tersebut dapat disimpulkan bahwa asumsi
linieritas terpenuhi pada hubungan antara Y dengan X1, dan pada hubungan antara
Y dan X2. Dilihat dari nilai sig. pada deviation from linearity yang lebih dari 0,05.

BAB V
 KESIMPULAN
5.1 Kesimpulan
Dari analisis data diatas dapat disimpulkan bahwa korelasi dan regresi
adalah metode statistika yang digunakan untuk menganalisis hubungan antara dua
variabel atau lebih variabel. Regresi digunakan untuk mengetahui hubungan
antara satu variabel independen dan satu variabel dependen. Sedangkan korelasi
digunakan untuk mengetahui hubungan antara dua variabel independen. Dua-
duanya saling berhubungan satu sama lain.