Makalah Statistika Regresi Dan Korelasi
Makalah Statistika Regresi Dan Korelasi
Makalah Statistika Regresi Dan Korelasi
PENDAHULUAN
Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4
Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika
sebagai berikut :
Sampe X (statistik) Y (matematika) XY X2 Y2
l
1 2 3 6 4 9
2 5 4 20 25 16
3 3 4 12 9 16
4 7 8 56 49 64
5 8 9 72 64 81
Jumlah 25 28 166 151 186
r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94
Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan
matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa
mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika
nilai statistik jelek maka nilai matematikanya juga jelek.
2.3 Macam-Macam Regresi Dan Korelasi
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1. Regresi Linier Sederhana
Hubungan antara 2 variabel. Yaitu x (variabel bebas) dan y (variabel tak bebas). Kedua variable
datanya kuantitatif.
Misal: Berat badan seseorang dipengaruhi tinggi badannya
2. Regresi Linier Berganda
Hubungan antara variabel y dengan dua atau lebih variabel x. Semua variable datanya kuantitatif.
Misal : produksi padi dipengaruhi oleh jenis pupuk, suhu, lama penyinaran, dll
3. Regresi Nonlinier
Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju perubahan y
akibat laju perubahan x tidak konstan untuk nilai-nilai x tertentu.
Misal : Produksi padi akan meningkat saat diberi pupuk taraf rendah ke sedang. Tapi kalau diberi
dengan taraf tinggi, malah produksinya menurun.
4. Regresi Dummy
Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif).
Misal : Melihat pengaruh kemasan terhadap harga jual makanan. Kita coding 1 jika kemasan
menarik dan 0 jika kemasan tidak menarik. 1 dan o adalah variabel dummy.
5. Regresi Logistik
Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif).
Misal : Ingin diketahui apakah konsumen akan membeli makanan di rumah makan berdasarkan
penilaian konsumen terhadap lokasi, pelayanan, pendapatan. Dalam kasus ini hanya ada 2
kemungkinan respon konsumen, yaitu konsumen membeli (1) dan tidak membeli (0).
Macam-macam korelasi terdiri dari:
1. Korelasi Positif
Korelasi positif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel bebas y) secara ‘’Searah’’
1. Korelasi Negatif
Korelasi negatif adalah tingkat hubungan antara dua variabel yang mempunyai ciri, bahwa
perubahan variabel independent x (variabel bebas x) diikuti oleh perubahan variable dependent y
(variabel bebas y) secara ’’Berlawanan”.
2. Korelasi Sederhana (Simple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel saja.
3. Korelasi Multiple (Multiple Corelation)
Yaitu tingkat hubungan yang terjadi antara 2 (dua) variabel atau lebih. Misalkan pada model
regresi linier multiple (y = a0 + a1x1 + a2x2 + e), maka maksud dan pengertian dari pernyataan
diatas adalah Tingkat hubungan antara antar y dan x 1 atau tingkat hubungan antara y dengan x 2
atau tingkat hubungan antara x1 dan x2.
4. Korelasi Sempurna (Perfect Corelation)
Maksud dan pengertian dari korelasi sempurna antara 2 variabel, yaitu suatu kondisi bahwa
setiap nilai variabel bebas x akan terdapat pada setiap nilai variabel tidak bebas y-nya. Hal ini
dapat diartikan pula, bahwa garis regresi yang terbentuk dari kata yang tersebar (terdistribusi)
adalah merupakan tempat kedudukan dari data-data dimaksud, sehingga nilai r nya =1 atau r =
-1.
5. Korelasi Tidak sempurna (Imperfect Corelation)
Korelasi antara 2 (dua) variabel yang dikatakan tidak sempurna, jika titik-titik yang tersebar
tidak terdistribusi tepat pada satu garis lurus.
6. Korelasi yang Mustahil (Nonsense Corelation)
Korelasi antara dua variabel yang seolah-olah ada tetapi tidak ada.
2) Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan
antara dua variabel.
3) Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini
mempunyai makna jika nilai X naik, maka Y juga naik.
4) Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier
sempurna (membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika
nilai X naik, maka Y turun dan berlaku sebaliknya.
BAB III
PENUTUP
3.1 Kesimpulan
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel
dependen (terikat) dengan satu atau lebih variabel independent (variabel penjelas/bebas), dengan
tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata variabel
dependen berdasarkan nilai variabe! independen yang diketahui.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan
hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1. Regresi Linier Sederhana
2. Regresi Linier Berganda
3. Regresi Nonlinier
4. Regresi Dummy
5. Regresi Logistik
Macam-macam korelasi terdiri dari:
3.2 Saran
Menyadari masih banyaknya kekurangan dalam penyusunan makalah ini, penyusun sangat
mengharapkan adanya kritik dan saran, yang sifatnya membangun atau memperbaiki makalah ini
dari semua pihak.
DAFTAR PUSTAKA
Sungkawa, I. (2013). Penerapan Analisis Regresi Dan Korelasi Dalam Menentukan Arah
Hubungan Antara Dua Faktor Kualitatif Pada Tabel Kontingensi. Jurnal Mat Stat, 13(1), 33-41.
Sungkawa, Iwa. "Penerapan Analisis Regresi Dan Korelasi Dalam Menentukan Arah Hubungan
Antara Dua Faktor Kualitatif Pada Tabel Kontingensi." Jurnal Mat Stat 13, no. 1 (2013): 33-41.