P. 1
Analisis Korelasi Dan Regresi Sederhana

Analisis Korelasi Dan Regresi Sederhana

|Views: 484|Likes:
Published by Susania Taufik

More info:

Published by: Susania Taufik on Jul 13, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/02/2011

pdf

text

original

REGRESI DAN KORELASI SEDERHANA

2.1. PENDAHULUAN
Analisa pasangan variabel membutuhkan data yang terdiri dari 2 kelompok hasil obscrv asi atau pengukuran. Data yang dapanliperoleh dari pelbagai bidang kegiatan yang menghasilkan pasangan observasi sebanyak n, dinyatakan sebagai (Xi;

Di dalam penelitian ilmiah, selain ingin menunjukkan hubungan antara dua variabel atau lebih dan mengukur hubungan itu, juga ingin dapat meramalkan sesuatu, yaitu menentukan nilai suatu variabel sesudah mengetahui nilai-nilai variabel yang lain. Untuk dapat meramal, hams diketahui dulu hubungan antara variabel-variabel itu. Yang berhubungan dengan peramalan dan kesalahan peramalan, dinamakan proses regresi, Sedangkan pengukuran hubungan antara variabel, dinamakan proses korelasi. Definisi : Regresi dan korelasi sederhana adalah suatu eara untuk mengetahui hubungan antara satu variabel dengan satu variabel yang lain. Jika pasangan observasi pengukuran (x; y) digambarkan di atas kertas berskala hitung, akan diperoleh serangkaian titik-titik koordinat yang menghubungkan kedua hasil observasi,

45

1.Penggambaran demikian dinamakan diagram pencar (scatter diagram). Scatter Diagram O·~----------------------x Gb.3.1. Persamaan dimana: garis linear : II/ I'"'yx Jly/x = rata-rata populasi y terhadap x A = jarak antara 0 dengan sumbu Y B = koefisien regresi / kemiringan = A + BX 46 . • O~----------------------------x Gb.l. dengan Garis Lengkung y . y y • • •~ nllal-nilai observasi (sample points) •• • • • • • • • • • nllal-nilal observasi (sample points) • • • • ~ Ol~--------------------~X Gb. sehingga diperoleh persamaan garis regresi. • • ~ nllal-nllal observasi (sample points) ~ . Scatter Diagram dengan garis linear Biasanya yang sering digunakan dan mudah untuk perhitungan.D.l. Dari diagram pencar dapat ditarik suatu garis yang menggambarkan nilai rata-rata y terhadap x. digunakan persamaan garis linear dari Scatter Diagram dengan garis lurus seperti di atas. S.2.

METODE KUADRAT MINIMUM (Least Squares) Prosedur statistik untuk memperoleh garis lurus dengan "kesesuaian terbaik" (best fitting) untuk serangkaian titik dari pasangan data bisa kita peroleh dengan meminimumkan penyimpangan (deviasi) titik-titik dari garis yang akan kita buat. x biasanya tidak diketahui.S. dapat dibuat suatu garis lurus yang memiliki "kesesuaian terbaik". .2. i=l n (a + bx) F 47 . yaitu pilih sebuah garis dengan "kesesuaian terbaik" yang meminimumkan jumlah kuadrat penyimpangan nilai yang diamati dengan yang diramalkan. yang biasa disebut jumlah kuadrat kesalahan (sum of squares for error). Persamaan Garis Linear Dengan prinsip kuadrat minimum (principle of least squares).2. maka : SSE = L l v. Rata-rata populasi y terhadap penduga (garis regresi).1. Kalau disubstitusikan rumus persamaan garis regresi dalam rumus SSE. Atau meminimumkan : SSE =L n (y.~. sehingga digunakan suatu garis Persamaan dim ana : garis penduga : Y 1\ y= a b = a + bx = = penduga untuk Ily/x penduga untuk nilai A penduga untuk nilai B y ~= A + BX o~-------------------------x Gb. )2 i=l Istilah SSE menyatakan jumlah kuadrat penyimpangan. .

000) 101 Bulan 1 2 3 4 5 6 0.6 0.000.0 R2 93 75 91 105 7 8 9 10 0.x)(y I y) X. 48 .Rumus Kuadrat Terkecil untuk a dan b b dimana: =_ SS ___:_XY_ SS x dan a = y .1.x)" I = I I n' x2 I i= 1 ---- n SS = I (x xv i=l = . i=1 I n i=1 xy .7 120 90 O.bx (I i=1 n SS x = i= 1(x I n n .9 U Buatlah persamaan garis regresi dari data di atas.2 Volume pengeluaran y (x Rp 10.000.-------I I (I n )<. Pengeluaran iklan dan volwne penjualan untuk suatu pcrusahaan sclama I(l bulan yang dipilih secara random Pengeluaran untuk iklan x (x Rp 10.R 1.3 0.8 92 110 LO 1.(00) 1.I y) 1=1 n n Contoh 2.1 : Tabel 2.

6 110.2.36 0.4 10 = 23.6 93.4 0.34 = --0.69 0.5676 = 52.57 49 .28n x) ( L y) I i=1 n (9.464 12.8 1.400 8.0 45.0 63.201 8.1.4)(959) 10 9.64 1.0 1.8 92.100 6.21 9.8n i=l n (9.48 y2 10.569 9.0 0.0 881.00 1. Tabel 2.0 156.7 0. Perhitungan dari data Tabel 2. seperti pada tabel di bawah ini.8 1.44 SS XY - = n • (L 1= L 1 xy-I I i=l = 924.1 X2 I 1.100 14.Penyelesaian : Langkah pertama adalah membuat tabel data perhitungan yang dibutuhkan untuk mencari nilai-nilai a dan b.724 8.625 8.2 0.6 0.9 X= = = 0.49 0.5 924.00 0.34 - n ~1 YI = n y= 959 10 L = 95.44 0.9 XI 1.3 0.444 = 52.4)2 10 = 0. YI 101 92 110 120 90 82 93 75 91 102 Jumlah Rata-Rata 959 95.281 11.1 73.81 1.025 93.-Y - 23.928 X.9 115.94 SS = x xc_ i=1 ' L n (L n i=l n XI)2 n = 9.YI 121.64 1.3569 9.28 0.0 65.94 Jadi : SS b = __ SS x X-.649 5.9 1.

600. dimana (n-2) adalah derajat kebebasan (degrees offreedom) Rumus Menghitung SSE SSE = SS y .000.49 + 52. pengukuran dispersi titik -titik koordinat dari garis duga regresinya dapat dieari dari : S2 = SSE 11-2 . 50 .94) = 46.5676)(0.49 + (52. hitung dan taksirlah standard error populasinya.0) = 99.49 maka persamaan regresi adalah : y = a + bx atau ~ = 46. STANDARD ERROR OF ESTIMATE Kalau sampel memiliki jumlah n yang cukup besar. maka volume penjualan yang diramalkan adalah : Y = a + bx = 46. volume penjualan A = Rp 990.9 .: Untuk data pada Tabel 2.57x Misalkan perusahaan menganggarkan Rp 10.1.)2 SS xy = I x.06 atau kalau dalam rupiah.3.57)(1.bSS xy n ~l n dimana: SS y = i=l (y I n n . 2.(52.000 untuk pengeluaran iklan pada satu bulan.2.y i=l" i=l ------- (I n x)(I n i=l n Contoh 2.dan : a= y- bi = 95.000.y)2 1 = L y2 i=l 1 n (I ---- y.

34) = 373. Diasumsikan berkenaan dengan distribusi kemungkinan (probabilistik) y untuk suatu nilai x tertentu. 2. 51 .76 s' dan s.600. yaitu S2.5676)(23.9 .4. telah kita peroleh nilai SSxy 23.. Yaitu.Penyelesaian : Dalam contoh 2.. INFERENSI MENGENAI KEMIRINGAN (B) DARI SUATU GARIS Inferensi awal yang dikehendai dalam mempelajari hubungan antara y dn x adalah mengenai adanya eksistensi hubungan kedua variabel...57. SS = 93.bSS xy 373. dapat diganti dengan varians yang diperkirakan untuk nilai b.-- .1.84 = 46. merupakan taksiran untuk a2 dan a. maka pendugaan dan pengujian hipotesis dapat menggunakan distribusi ttest.(52.569 y = = (959)2 10 = 1.97 = --= SSE n-2 = = 8 6.9 SSE maka : S2 = SS y .600. dapat ditunjukkan bahwa baik a maupun b keduanya disdistribusikan secara normal dalam pengambilan sampel secara berulang dan bahwa nilai yang diharapkan (nilai rerata) dan varian dari b adalah : E (b) =B dan S2 b = SSx _ Karena nilai a2 yang sebenamya tidak diketahui. S2 b = _ SS x dan s s = -.JSSx Dengan mensubstitusikan (mengganti) s untuk a dalam statistik normal.34 dan nilai koefisien regresi (b) 52.97 = 1. Sekarang kita hitung dulu nilai SSy dan SSE seperti rumus di atas.76 s V46. apakah data itu menyajikan bukti yang cukup untuk menunjukkan bahwa x menyumbangkan (memberikan) informasi untuk peramalan y dalam lingkup pengamatan? atau cukup besarkah kemungkinan bahwa kalau y dan x sama sekali tidak mempunyai hubungan.

n-Z) Ho : B H:B*O = 2.57 10. Hipotesis nol Hipotesis alt.Pengujian Hipotesis Mengenai Ho : B Kemiringan suatu Garis Hipotesis Nol Hipotesis Altematif =0 pada nilai b yang diinginkan ditentukan oleh peneliti.n-Z) • Sb ) Bila t.est atau t ~ "himng t 13be I --> koefisien regresi nyata. buatlah uji hipotesis untuk menunjukkan bahwa b tidak sama dengan nol dengan ex = 0. Contoh 2. : Dengan menggunakan data pada Tabel 2.26jo t.n-2) • Sb <B <b+ tCa/Z..05. Karena disini kita diarahkan ke dalam suatu bentuk statement tertentu. digunakan uji hipotesis altematif dua arah (B * 0).3.84 '\)0. Kalau uji hipotesis satu arah.306 I =0 = sb- s - 6. pengujian diarahkan untuk membuktikan (B > 0) atau (B < 0). tcrgantung untuk dideteksi t Statistik Tes (Uji) Interval nilai B : = b-B 0 dengan db =n -2 Sb prb - t(a/Z. t'abel = ~ tCa/2.12 52 .1. Penyelesaian : Pertama-tama kita tentukan bentuk uji hipotesisnya.es[ = --= b-B Sb = --- b-O s. 52.444 1O.265 = 5.

28.000 sampai Rp 762.309 . 53 .n-2) .90 < B < 76.400.24.57 + 2.2.000.24 Dengan kata lain. kenaikan volume penjualan bulanan untuk kenaikan setiap unit (Rp 10. : Hitunglah interval nilai B dengan selang keyakinan 95 % dengan menggunakan data pada Tabel 2. dari Rp 289.Sb <B< u + t(aJ2. Penyelesaian : bt(aJ2.57 .90 sampai 76. atau dalam unit yang asli untuk y.4.309 .Karena tlesl > ttahel aka kita tolak hipotesis nol : B = 0 dan menyimpulkan bahwa ada m bukti yang menunjukkan bahwa pengeluaran biaya iklan memberikan infonnasi untuk digunakan dalam peramalan volume penjualan bruto bulanan (hipotesis alt diterima : B ± 0).(00) pengeluaran iklan berada dalam selang dari 28.000. < B < 52.n-2) .Sb 52. Contoh 2.1.000.

0) r = 0.5. derajat hubungan antara dua variabelmenunjukkan hal yang sejajar atau paralel (koefisien korelasi positip). * r<0 *r>O *1"=0 Rumus Koefisien Korelasi . semakin tinggi dana yang dikeluarkan untuk iklan.88 Ini berarti koefisien korelasinya positip. KORELASI DAN KOEFISIEN KORELASI Koefisien korelasi adalah suatu angka yang menunjukkan tinggi rendalmya derajat hubungan antara dua variabel atau lebih. Jadi. : Hitunglah koefisien korelasi untuk data pengeluaran iklan dan volume penjualan pada Tabel2. = ss xy Contoh 2. Pada grafik.2. yaitu variasi antara 1 dan + 1.. Koefisien korelasi besarnya sudah tertentu.5. Not e: derajat hubungan antara dua variabel menunjukkan hal yang berlawangan (koefisien korelasi negatit).l. tidak ada korelasi linear. atau dengan kata lain hubungan antara pengeluaran iklan berjalan paralel dengan volume penjualan.= \j 0. = ~r=:======::=::==::.600.444 23. 54 .600. garis regresinya miring ke bawah kanan. semakin besar pula volume penjualan. Pada grafik. tidak ada hubungan sanla sekali antara dua variabel.34 SSx = 0.9 Maka nilai koefisien korelasi : . garis regresinya miring ke atas kanan. Penyelesaian : Telah kita ketahui bahwa nilai-nilai : SS xy = 23... Pada grafik.444 (1.34 SSy = 1.

lx/y) dengan membuat suatu garis penduga (garis regresi) rata-rata x terhadap y : ~ = a' dimana: + b'y dan (I x .b' 55 ..b'I y) a'=----n Maka hubungan antara koefisien regresi dan koefisien korelasi : .2 = b..2.6. GARIS REGRESI X TERHADAP Y Kita bisa membuat suatu garis linear rata-rata X terhadap Y (J.

Apa yang dapat saudara simpulkan dari hasil analisis saudara. Jika dari suatu data diketahui nilai SS ") = 15.5 17 9. 6. 3. o 7 4 6 1 3 2 8 Buatlah suatu uji hipotesis untuk menunjukkan bahwa koefisien regresi (b) lebih besar dari nol dengan (J. = 0. 8. b. 15. Apa yang dimaksud dengan analisis regresi sederhana ? Jelaskan kenapa dan bagaimana kita membuat suatu diagram titik (Scatter diagram) ? Apa kegunaan dari analisis korelasi ? Apa yang dimaksud dengan metode least square ? Diketahui sehimpunan data: X 13 16 14 11 17 Y 6. 39 32. = 0.4.= 1500. Carilah nilai koefisien korelasi.3 a.5 12 5. 5. dan SS ). dan 20.7 Tentukan persamaan garis regresinya ! Dugalah nilai Y untuk X = 10.5 9. 9 3.05 untuk X = 44.5 13 6.05.3 18 9. b. Apa yang dapat saudara simpulkan dari hasil perlritungan saudara ! Dari sehimpunan data: X 3 7 4 2 Y 11 18 9 4 a.1 33. c.2 8.LATIHAN SOAL 1. b. 56 . 2.2 4. SS x = 0. 7.5 34.1 50 40. 4.6 7. Diketahui sehimpunan data : /X 56 48 42 58 40 Y 45 38.4 Carilah persamaan garis regresinya ! Hitung stand art error dari analisis anda ! Carilah interval perkiraan Y dengan (J.0 a.5 46.

membentuk sudut 45° b. Jika hubungan X dan Y dinyatakan dalam persamaan + l.000 Nilai mid-test X 77 82 50 66 (X) dan ujian akhir (Y) dari 9 mahasiswa 99 99 67 68 ada1ah : garis Y 6. sejajar sumbu X d.893.SOAL-SOAL MULTIPLE CHOICE 1.78X 57 . ~ = 21 + 0. Analisis untuk melihat keeratan a. independen 4. penurunan harga akan diikuti oleh peningkatan penawaran c. c. 100. dependen d. " = 55 7.2 + 0. b. maka penawaran 180 unit barang dicapai pada harga : a. a. d.1 + 0. Jika B = 0. merninimalkan b. a dan b benar dikenal sebagai variabe1 : Yariabe1 dalam suatu eksperimen a. Hubungan kedua variabe1 dapat disimpulkan sebagai berikut : a. respon b. ANOYA Prinsip pendugaan a. meminimalkan persamaan regresi adalah : jW111ah kuadrat error jU1111ahkuadrat variabel kerniringan persamaan regresi yang mudah dikendalikan c. Rp. Dari hasi1 analisis variabe1 dim ana X adalah harga barang (dalarn rupiah) dan Y adalah jU1111ahpenawaran (unit). 5. berhimpit SW11bu Y " 5. antar variabel regresi korelasi : 2.87X ~ = 1. Rp.87X d. ~ = 12 + 0. kenaikan harga akan diikuti oleh peningkatan penawaran d. kenaikan harga barang akan diikuti oleh penurunan penawaran b. time series b. 71 72 81 94 Y 78 34 47 85 maka persamaan regresinya adalah : c.000 d. maka garis regresi populasi a. Rp 280. 100 c. sejajar SW11bu Y dimana Y = A + B X akan : c. meminimalkan hubungan c.25X.78X " Y = 2. tidak ada hubungan antara kenaikan harga dengan jW111ah penawaran Gunakan soal no. Rp 280 b. dipero1eh ni1ai koefisien korelasi r = 0. 3.

78 c.l i sid no. 7. maka : garis regresi turun dari kanan ke kiri kedua variabel mempunyai hubungan kausal garis regresi naik dari kiri ke kanan b dan c benar 9.3 c. 28 11. untuk 60 pasang data (x.9 b. 0.1 d. 10. koefisien korelasi suatu persamaan regresi mendekati nilai +1. Koefisien regresi (b) X dan Y adalah : a. d.2 58 d. 0. b. maka nilai X yang diramalkan menurut garis regresi X terhadap Y sama dengan : a. -20 c. untuk data ini koefisien korelasi X terhadap Y adalah : a.5 SSx 2 SSy Jadi. 18. maka nilai Y yang diramalkan menurut garis regresi Y terhadap X sama dengan : a. salah semua x = 10 = = =6 b = 0. 94 Bila a.1 b. Gunakan soal no. c.:y) berlaku : Y 1. 0. Dua variabel X dan Y diukur pada skala interval.6 c. 25 b. 82 b. 0. 76 d.5 c. 68 b. 10 = 20 y = 30 SS x = 10 SS y =5 (Data di bawah ini digunakan untuk soal no. -40 d.0 d.. Untuk 200 pasangan data (x..----------- --_ - __ 8. 0. Dugaan nilai akhir bagi mahasiswa yang mendapat nilai mid-test = 85 adalah : a.:y) diperoleh hasil sebagai berikut : x= 10 Y= 20 SS x =6 SS xy = 144 Kalau nilai Y = 22. Variabel X dan variabel Y kedua-duanya diukur pada skala interval. 10.Y) berlaku : x Kalau X = 15. 0. 17) X Diketahui data sebagai berikut : 1 234 5 Y 1 123 3 13.3 12. Untuk 25 pasangan data (x.4 . 0.

ada hubungan linear antara kedua variabel c. 1.461. 0. 0. 1. Sb = 0.76 b. ° 59 .67 20. a dan c benar ex =5 %. Sb = 0. 0.98 c.55 c.5 5. tidak terdapat hubungan linear antara kedua variabe1 b. 1.35 c.2 18.2 b. d. Rata-rata Y adalah : a. 2 ')') -.378.18. Rata-rata X adalah : a. Sb = 0.005 d. 3. 5 16. 1. 1. Standard deviasi Y ada1ah : a. 19. Berdasakan soal no.98 19. 0.58 0. d.95 d. Maka dapat kita tentukan : c. 1. Sb = 0. Diketahui pu1ajum1ah kuadarat untuk variabe1 X sebesar 10. tindak 1anjut dilakukan pengujian hipotesis dengan maka bisa disimpulkan : a.003 a. Diketahui varians regresi sebesar (s) 93.76 b. Standar deviasi X ada1ah : a. d. 1 15. 3 b.2 0. Koefisien kore1asi (r) data tersebut ada1ah : a.004 b.2 17.- c. 1 c.55 b. d. Hipotesis no1 Ho : B = diterima d.14.1864 digunakan untuk menguji apakah ada hubungan linear antara besarnya pendapatan (Y) dengan banyaknya konsumsi yang dike1uarkan (X).

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->