KORELASI DAN REGRESI

LINEAR SEDERHANA
A. Variabel bebas dan variable terikat.
Variabel bebas ( Independent variable ) adalah variable yang nilainya tidak
tergantung pada variable lainnya. Biasanya disimbolkan X.
Variabel terikat ( dependent variable ) adalah veriabel yang nilainya
tergantung variable lainnya. Biasanya disimbolkan Y.
B. Koefisien Korelasi linear sederhana.
Koefisien korelasi adalah indek/bilangan yang digunakan untuk mengukur
keeratan hubungan antar variable ( hubungannya bias kuat, lemah dan tidak
ada hubungan ). Koefisien korelasi disimbolkan r.
Koefisien korelasi memiliki nilai antara 1 dan +1 ( -1 r 1 ).
a. Jika koefisien korelasi bernilai positif ( r + ) maka variable berkorelasi
positif, apabila nilai r mendekati +1 maka semakin kuat hubungan antar
variable, demikian sebaliknya.
b. Jika koefisien korelasi bernilai negatif ( r - ) maka variable berkorelasi
negatif, apabila nilai r mendekati 1 maka semakin kuat hubungan antar
variable, demikian sebaliknya.
c. Jika koefisien korelasi bernilai 0 maka variabelnya tidak ada hubungan.
d. Jika koefisien korelasi bernilai +1 dan 1 maka hubungan antar variable
sempurna.
Untuk menentukan keeratan hubungan antar variable tersebut, maka
diberikan patokan :
a. r = 0 ---- tidak ada hubungan antar variable.

b. 0,001 r 0,19 ----korelasinya antar variable sangat lemah.

c. 0,20 r 0,39 ---- korelasinya antar variable lemah.
d. 0,40 r 0,59 ---- korelasinya antar variable cukup berarti.
e. 0,60 r 0,79 ---- korelasinya antar variable kuat.
f. 0,80 r 0,99 ---- korelasinya antar variable sangat kuat.
g. r = 1dan -1, korelasinya antar variable sempurna.
Begitu juga apabila nilai koefisien korelasinya negatif.
C. Jenis koefisien korelasi linear sederhana.
a. koefisien korelasi Pearson.
Koefisien korelasi Pearson adalah indek / bilangan yang digunakan untuk
mengukur keeratan hubungan antar variable yang datanya berbentuk
interval/rasio.
Koefisien korelasi Pearson ( r ) dapat ditentukan dengan 2 metode :
1. Metode least square, dirumuskan sebagai berikut :

r =

n. X

n X .Y X . Y
2

n.Y

2. Metode product moment, dirumuskan sebagai berikut :

r =

x. y
x . y
2

Keterangan : x = X X dan y = Y - Y
b. Koefisien Penentu ( KP ) atau Koefisien Determinan ( r2 ).
Adalah koefisien korelasi dikuadratkan dikalikan 100%.
Koefisien korelasi menjelaskan seberapa besar pengaruh variable
bebas ( X ) terhadap variable terikat ( Y).
Dirumuskan : r2 x 100%.
Contoh 1:
Apabila anda bekerja dibagian Marketing , kemudian anda diminta
oleh Pimpinan untuk menganalisis apakah biaya yang dikeluarkan
untuk promosi ada hungannya dengan pendapatan diperusahaan .
Anda diberikan data sebagai berikut :
X = biaya promosi dan Y = Pendapatan.
Biaya promosi

10

12

( dalam ratusan juta )

Pendapatan

( dalam milyar )

Pertanyaan : Bagaimana kesimpulan anda hubungan antara biaya

promosi dan pendapatan yang diperoleh Perusahaan serta seberapa
besar pengaruhnya biaya promosi terhadap pendapatan.. dan berapa
pendapatannya jika biaya promosi dinaikan 20 .

D. REGRESI LINEAR.

Adalah alat ukur yang digunakan untuk mengukur ada atau tidaknya korelasi
antar variable. Regresi artinya ramalan / taksiran. Diperkenalkan pertama
kali oleh Sir Francis Galton Th. 1877.
Regresi linear adalah regresi yang variable bebasnya berpangkat paling
tinggi satu.
Persamaan regresi linear dari Y terhadap X dirumuskan :
Y = a + bX
Keterangan : Y = Variabel terikat, X = variable bebas, a = konstanta, b
= koefisien regresi.
Dari persamaan regresi tersebut nilai a dan b dapat ditentukan dengan rumus
:
b =

n X .Y X Y
n X 2 X 2

a = Y - b.X
contoh :
Data penelitian mengenai pengalaman kerja dengan produktivitas dalam
menjual produk SM.
X = pengalaman kerja. ( tahun )
Y = produktivitas dalam ( unit ).
X
Y

3
5

6
10

4
8

9
10
12 14

Pertanyaan :
a. Buat persamaan regresinya ?

5
9

7
10

6
9

b. Apabila tenaga kerja yang sudah pengalaman 15 tahun berapa

produktivitasnya penjualan,
Kesalahan baku regresi dan koefisien regresi.
Dirumuskan :
a. Kesalahan baku regresi :
Se =

a. y b. x. y
n2

b. Kesalahan baku koefisien regresi a :

x se
n. x x
2

Sa =

c. Kesalahan baku koefisien regresi b :

Se

Sb =

Contoh : Hasil survey dampak biaya iklan terhadap omzet penjualan.

X = Biaya iklan ( milyar ) dan Y = omzet penjualan ( milyar )
X
4
7
Y
6
9
Pertanyaan :

10
17

12
20

9
16

14
20

8
18

6
10

a. Buatkan persamaan regresi.

b. Berapa omzet penjualan jika biaya klan naik menjadi 30 milyar.
c. Tentukan kesalahan baku regresi, koefisien regresi a dan b.
Jawab :
X = pengalaman kerja.

11
14

Y = produktivitas.dalam menjual
X

X2

XY

Y2

15

25

10

60

36

100

32

16

64

12

108

81

144

10

14

140

100

196

45

25

81

10

70

49

100

6
50

9
77

54
524

36
352

81
791

X = 50/8 = 6,25

b =

b=

Y = 77/8 = 9,63

n X .Y X Y
n X 2 X 2
8.524 50.77 4192 3850 342
= 2816 2500 316 1,08
8.352 502

a = Y - b.X
a = 9,63 1,08.6,25
= 9,63 6,75 = 2,88
a.

Jadi persamaan regresinya Y = 2,88 + 1,08 X

b.

Untuk tenaga kerja yang pengalamannya 15 tahun diperkirakan hasil

penjualannya adalah Y = 2,88 + 1,08.15 =
= 2,88 + 16,2 = 19,08 unit.

E. Analisis Regresi, Koefiensi Determinasi , Korelasi berganda dan Parsial.

1. Analisis regresi berganda.
Untuk menganalisis besarnya hubungan dan pengaruh variabel independen
yang jumlahnya lebih dari satu dikenal dengan anlisis regresi berganda.
Bentuk persamaan regresi dengan dua variabel independen adalah :
Y = a + b1X1 + b2X2.
Dari persamaan tersebut diperoleh nilai koefisien regresi untuk a,b1, dan b2
dengan cara sbb :
b1

b2

AB CD
F
DE AC
F

Y b X
1

b2 X 2

dimana :
A=

n. X 1.Y X 1 Y

2
B = n. X 2 X 2

C = n X 1 X 2 X 1 X 2
D = n . X 2 .Y
E=

X 2. Y

n. X 1 X 1

F = EB C2

Contoh ;
Anda diminta untuk menganalisis data biaya distribusi dan biaya promosi
terhadap pendapatan di PT. Agung , datanya sbb :
Tabel : 1. Data biaya distribusi dan Promosi serta pendapatan di PT.Agung.
Biaya distribusi

Biaya promosi

Pendapatan

( dlm jutaan Rp.)

( dlm jutaan Rp.)

( dlm puluhanjuta Rp.)

4
5
7
4
3
6
9
5
5
6
5
3
11
8
8
8
9
5
6
4
6
3
a. Tentukan persamaan regresinya.

9
10
9
11
14
7
16
9
12
12
9

b. Anda diminta untuk menghitung berapa pendapatan PT. Agung

jika biaya distribusi 16 juta dan biaya promosi 12 juta.
2. Koefisien Determinasi. ( R2)
Digunakan untuk menjelaskan seberapa besar kontribusi variabel independen ( X1 dan
X2 ) terhadap variabel dependent ( Y).
Dirumuskan :
2
n(a. Y b1. Y . X 1 b2 . Y . X 2 ) Y
2
a. R =
2
n. Y 2 Y
b. Determinasi disesuaikan ( R2 ajusted):

R 2 ajusted 1 1 R 2 .

N 1
N K

Contoh soal :
Dari data tabel 1 : Tentukan berapa besar pengaruh biaya distribusi dan promosi
terhadap pendapatan di PT.agung.

3. Koefisien Korelasi berganda.

Dirumuskan :
R =

R2

Contoh soal :
Dari data tabel 1 : Tentukan bagaimana hubungan antara biaya distribusi dan promosi
terhadap pendapatan di PT.Agung.

4. Korelasi Parsial.
Korelasi parsial adalah hubungan variabel bebas dengan variabel tidak bebas, dengan
variabel lain tetap.
Korelasi parsial digunakan untuk melihat besarnya hubungan antara dua variabel yang
bebas dari variabel yang lainnya.
Pada regresi berganda kita juga mengenal koefisien korelasi yang dilambangkan R.
koefisien korelasi ini menggambarkan hubungan antara Y dengan X1 dan X2 sekaligus.
Korelasi parsial dilambangkan :
1. Ry.x1.x2. yang menyatakan hubungan antara Y dengan X1 dimana x2 dianggap tetap.
2. Ry.x2.x1 yang menyatakan hubungan antara Y dengan x2 dimana x1 dianggap tetap.
3. Rx1x2 Y yang menyatakan hubungan antara x1 dengan x2 dimana Y dianggap tetap.
Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana sbb :

ry.x1 ry.x2 .rx1 x2

1. Ry.x1.x2 =

1 r

2. Ry.x2.x1 =

1 r

3. R.x1.x2.y =

yx2 1 r 2 x1 x2
ry.x2 ry.x1.rx1 x2
yx1 1 r 2 x1 x2

rx1.x2 ry.x2 .ryx1

1 r

yx2 1 r 2 yx1

Dimana : r y.x1 :
r y.x2 :
r x1.x2 :
Contoh : dari data diatas tentukan koefisien korelasi parsial.

5. Kesalahan baku ( residu) regresi berganda

S yx1 x 2

a Y b1 X 1Y b2 X 2Y
n3

Contoh soal :
Dari data tabel 1 : Tentukan nilai residu regresi antara biaya distribusi dan promosi
terhadap pendapatan di PT.Agung.

6. Nilai pendugaan/penaksiran.

Y t .SYX 1 X 2
Keterangan : Y = nilai dugaan dari Y untuk nilai X tertentu.

t = nilai t-tabel untuk taraf nyata tertentu (df : n-(k+1).

Syx1x2 = kesalahan baku/residu

Contoh soal :
Dari data tabel 1 : Tentukan nilai dugaan jika biaya distribusi 15 dan promosi 10
dengan tingkat kepercayaan 95% atau taraf nyata 5%.

7. Kesalahan baku penduga.

SYX 1 X 2

Sb1

2
2
2
X

n
X
1
1 1 rx1 x 2

SYX 1 X 2

Sb2

2
2
2
X

n
X
2
2 1 rx1 x 2

Contoh soal :
Dari data tabel 1 : Tentukan kesalahan baku penduga b1 dan b2.

8. Pengujian hipotesis regresi berganda.

a. Uji global/ uji F.
1. Formulasi
H0 : B1=B2= 0
H1 : B1B20
2. Taraf nyata
F table --- derajat pembilang : k 1
--- derajat penyebut : n k.
---- : 5%, 1%.

3. Criteria : H0 ditolak jika F hitung > F table

H0 diterima jika F hitung < F table.
4. F hitung :

R2
F hitung

1 R

k 1
/ N K

5. Kesimpulan.

b. Uji parsial/uji t
1. Formulasi
H0 : B1= 0
H1 : B10
H0 : B2= 0
H1 : B20
2. Taraf nyata
t table --- derajat bebas : n-k
---- : 5%. Uji 2 arah.
3. t hitung :
t hitung

bB
Sb

t hitungb1

b1 B
Sb1

t hitungb 2

b2 B
Sb 2

4. Kesimpulan.