Analisis regresi dan korelasi stati
Analisis Regresi
Created by - Elmi Imiarti Purba
- Linda Azzahra
- Tamara Nathania
Analisis Regresi Sederhana
Analisis regresi merupakan studi ketergantungan satu atau
lebih variabel bebas(x) terhadap variabel terikat(y) dengan
maksud untuk meramalkan nilai variabel tidak bebas.
Contoh Penerapan
1.
2.
3.
4.
5.
6.
Analisis Regresi antara tinggi orang tua terhadap tinggi
anaknya (Sir Francis Galton).
Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
Analisis Regresi antara harga terhadap penjualan
barang.
Analisis Regresi antara tingkat upah terhadap tingkat
pengangguran.
Analisis Regresi antara tingkat suku bunga bank
terhadap harga saham
Analisis regresi antara biaya periklanan terhadap
volume penjualan perusahaan.
Istilah dan notasi variabel dalam regresi?
•
•
•
•
•
Y
Varaibel tergantung
(Dependent Variable)
Variabel yang dijelaskan
(Explained Variable)
Variabel yang diramalkan
(Predictand)
Variabel yang diregresi
(Regressand)
Variabel Tanggapan
(Response)
•
•
•
•
•
X
Varaibel bebas (Independent
Variable)
Variabel yang menjelaskan
(Explanatory Variable)
Variabel peramal (Predictor)
Variabel yang meregresi
(Regressor)
Variabel perangsang atau
kendali (Stimulus or control
variable)
Persamaan Regresi
Persamaan Regresi linier
Sederhana:
n( XY ) ( X )( Y )
Y = a + bX +
b
2
2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
X = Variabel bebas
n( X ) ( X )
Y
a
b( X )
n
Contoh Kasus
Diketahui suatu penelitian terhadap hubungan antara nilai biaya
periklanan dengan tingkat penjualan dari sebuah koperasi adalah
sebagai berikut:
Penjualan (Y)
64
61
84
70
88
92
72
77
Promosi (X)
20
16
34
23
27
32
18
22
Hipotesis
Ho
: Tidak terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.
Ha
: Terdapat pengaruh positif biaya iklan terhadap penjualan
perusahaan.
Analisis Data
Untuk analisis data diperlukan, perhitungan:
1.Persamaan regresi
2.Nilai Prediksi
3.Koefesien determinasi
4.Kesalahan baku estimasi
5.Kesalahan baku koefesien regresinya
6.Nilai F hitung
7.Nilai t hitung
8.Kesimpulan
Tabel Persamaan Regresi
Y
64
61
84
70
88
92
72
77
608
X
20
16
34
23
27
32
18
22
192
XY
1280
976
2856
1610
2376
2944
1296
1694
15032
X2
400
256
1156
529
729
1024
324
484
4902
Y2
4096
3721
7056
4900
7744
8464
5184
5929
47094
b
b
n( XY ) ( X )( Y )
n( X 2 ) ( X ) 2
8(15032) (192)(609)
1,497
8(4902) (192) 2
Y b( X )
a
n
a
(608) 1,497 (192)
40,082
8
Y= 40,082 + 1,497X
No
Y
X
XY
X2
Y2
Ypred
(Y-Ypred)2
(Y-Yrata)2
1
64
20
1280
400
4096
70.022
36.264
144
2
61
16
976
256
3721
64.034
9.205
225
3
84
34
2856
1156
7056
90.98
48.720
64
4
70
23
1610
529
4900
74.513
20.367
36
5
88
27
2376
729
7744
80.501
56.235
144
6
92
32
2944
1024
8464
87.986
16.112
256
7
72
18
1296
324
5184
67.028
24.721
16
8
77
22
1694
484
5929
73.016
15.872
1
Jlh
608
192
15032
4902
47094
608.08
227.497
886
Koefesien Determinasi
Koefesien determinasi:
2
R 1
(Y Yˆ )
(Y Y )
2
2
(227,497)
R 1
0,743
(886)
2
Koefesien Determinasi Disesuaikan (adjusted)
Radj
P(1 R 2 )
R
N P 1
2
Radj 0,743
1(1 0,743)
0,70
8 1 1
Kesalahan baku estimasi
Digunakan untuk mengukur tingkat kesalahan
dari model regresi yang dibentuk.
Se
(Y Yˆ )
n k
2
Se
(227,467)
6,1576
8 2
Standar Error Koefesien Regresi
Digunakan untuk mengukur besarnya tingkat kesalahan
dari koefesien regresi:
Sb
Se
X2
( X )
n
2
Sb1
6,1576
(4902)
(192)
8
2
0,359
Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya:
Ho: Diterima jika F hitung F tabel
Ha: Diterima jika F hitung > F tabel
R 2 /( k 1)
F
1 R 2 /( n k )
0,743 /( 2 1)
F
17,367
1 0,743 /(8 2)
Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan
regresi dinyatakan Baik (good of fit).
Uji t
Digunakan untuk mengatahui pengaruh variabel bebas
terhadap variabel tergantung.
Ho: Diterima jika t hitung t tabel
Ha: Diterima jika t hitung > t tabel
bj
Thitung
Sbj
1,497
t hitung
4,167
0,359
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima
ada pengaruh iklan terhadap penjualan.
Kesimpulan kasus
KESIMPULAN
Terdapat pengaruh positif biaya periklanan terhadap
volume penjualan.
ANALISIS KORELASI
• Mengukur seberapa kuat atau derajat kedekatan suatu
•
•
•
•
•
•
•
•
relasi yg terjadi antar variabel
Koefisien korelasi memiliki nilai -1≤ KK ≤+1
Untuk menentukan keeratan korelasi antarvariabel
diberikan patokan KK
0 < KK ≤ 0,2, korelasi sgt lemah
0,2 < KK ≤ 0,4, korelasi lemah tp pasti
0,4 < KK ≤ 0,7, korelasi yg cukup berarti
0,7 < KK ≤ 0,9, korelasi sgt kuat
0,9 < KK < 1, korelasi kuat sekali
KK = 1, korelasi sgt sempurna
Koefisien korelasi mrp akar dr koefisien determinasi (R²).
Koefisien determinasi : merupakan suatu ukuran yg
digunakan utk melihat seberapa besar sumbangan variabel
independent terhadap variasi variabel dependent.
Nilai R² berkisar 0 < R² < 1
Kegunaannya:
• Utk ukuran ketepatan garis regresi dari hasil estimasi thd
sekelompok data hasil observasi.
• Utk mengukur proporsi dr jumlah variasi yg diterangkan
oleh model regresi.
Koefisien Determinasi:
2
r
Koefisien Korelasi :
a Y b XY n Y
(Y )
r r
2
Jenis-jenis koefisien korelasi
1. Koefisien korelasi pearson
2. Koefisien korelasi rank spearman
3. Koefisien korelasi kontingensi
4. Koefisien penentu
2
n(Y )
2
2
Created by - Elmi Imiarti Purba
- Linda Azzahra
- Tamara Nathania
Analisis Regresi Sederhana
Analisis regresi merupakan studi ketergantungan satu atau
lebih variabel bebas(x) terhadap variabel terikat(y) dengan
maksud untuk meramalkan nilai variabel tidak bebas.
Contoh Penerapan
1.
2.
3.
4.
5.
6.
Analisis Regresi antara tinggi orang tua terhadap tinggi
anaknya (Sir Francis Galton).
Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
Analisis Regresi antara harga terhadap penjualan
barang.
Analisis Regresi antara tingkat upah terhadap tingkat
pengangguran.
Analisis Regresi antara tingkat suku bunga bank
terhadap harga saham
Analisis regresi antara biaya periklanan terhadap
volume penjualan perusahaan.
Istilah dan notasi variabel dalam regresi?
•
•
•
•
•
Y
Varaibel tergantung
(Dependent Variable)
Variabel yang dijelaskan
(Explained Variable)
Variabel yang diramalkan
(Predictand)
Variabel yang diregresi
(Regressand)
Variabel Tanggapan
(Response)
•
•
•
•
•
X
Varaibel bebas (Independent
Variable)
Variabel yang menjelaskan
(Explanatory Variable)
Variabel peramal (Predictor)
Variabel yang meregresi
(Regressor)
Variabel perangsang atau
kendali (Stimulus or control
variable)
Persamaan Regresi
Persamaan Regresi linier
Sederhana:
n( XY ) ( X )( Y )
Y = a + bX +
b
2
2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
X = Variabel bebas
n( X ) ( X )
Y
a
b( X )
n
Contoh Kasus
Diketahui suatu penelitian terhadap hubungan antara nilai biaya
periklanan dengan tingkat penjualan dari sebuah koperasi adalah
sebagai berikut:
Penjualan (Y)
64
61
84
70
88
92
72
77
Promosi (X)
20
16
34
23
27
32
18
22
Hipotesis
Ho
: Tidak terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.
Ha
: Terdapat pengaruh positif biaya iklan terhadap penjualan
perusahaan.
Analisis Data
Untuk analisis data diperlukan, perhitungan:
1.Persamaan regresi
2.Nilai Prediksi
3.Koefesien determinasi
4.Kesalahan baku estimasi
5.Kesalahan baku koefesien regresinya
6.Nilai F hitung
7.Nilai t hitung
8.Kesimpulan
Tabel Persamaan Regresi
Y
64
61
84
70
88
92
72
77
608
X
20
16
34
23
27
32
18
22
192
XY
1280
976
2856
1610
2376
2944
1296
1694
15032
X2
400
256
1156
529
729
1024
324
484
4902
Y2
4096
3721
7056
4900
7744
8464
5184
5929
47094
b
b
n( XY ) ( X )( Y )
n( X 2 ) ( X ) 2
8(15032) (192)(609)
1,497
8(4902) (192) 2
Y b( X )
a
n
a
(608) 1,497 (192)
40,082
8
Y= 40,082 + 1,497X
No
Y
X
XY
X2
Y2
Ypred
(Y-Ypred)2
(Y-Yrata)2
1
64
20
1280
400
4096
70.022
36.264
144
2
61
16
976
256
3721
64.034
9.205
225
3
84
34
2856
1156
7056
90.98
48.720
64
4
70
23
1610
529
4900
74.513
20.367
36
5
88
27
2376
729
7744
80.501
56.235
144
6
92
32
2944
1024
8464
87.986
16.112
256
7
72
18
1296
324
5184
67.028
24.721
16
8
77
22
1694
484
5929
73.016
15.872
1
Jlh
608
192
15032
4902
47094
608.08
227.497
886
Koefesien Determinasi
Koefesien determinasi:
2
R 1
(Y Yˆ )
(Y Y )
2
2
(227,497)
R 1
0,743
(886)
2
Koefesien Determinasi Disesuaikan (adjusted)
Radj
P(1 R 2 )
R
N P 1
2
Radj 0,743
1(1 0,743)
0,70
8 1 1
Kesalahan baku estimasi
Digunakan untuk mengukur tingkat kesalahan
dari model regresi yang dibentuk.
Se
(Y Yˆ )
n k
2
Se
(227,467)
6,1576
8 2
Standar Error Koefesien Regresi
Digunakan untuk mengukur besarnya tingkat kesalahan
dari koefesien regresi:
Sb
Se
X2
( X )
n
2
Sb1
6,1576
(4902)
(192)
8
2
0,359
Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya:
Ho: Diterima jika F hitung F tabel
Ha: Diterima jika F hitung > F tabel
R 2 /( k 1)
F
1 R 2 /( n k )
0,743 /( 2 1)
F
17,367
1 0,743 /(8 2)
Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan
regresi dinyatakan Baik (good of fit).
Uji t
Digunakan untuk mengatahui pengaruh variabel bebas
terhadap variabel tergantung.
Ho: Diterima jika t hitung t tabel
Ha: Diterima jika t hitung > t tabel
bj
Thitung
Sbj
1,497
t hitung
4,167
0,359
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima
ada pengaruh iklan terhadap penjualan.
Kesimpulan kasus
KESIMPULAN
Terdapat pengaruh positif biaya periklanan terhadap
volume penjualan.
ANALISIS KORELASI
• Mengukur seberapa kuat atau derajat kedekatan suatu
•
•
•
•
•
•
•
•
relasi yg terjadi antar variabel
Koefisien korelasi memiliki nilai -1≤ KK ≤+1
Untuk menentukan keeratan korelasi antarvariabel
diberikan patokan KK
0 < KK ≤ 0,2, korelasi sgt lemah
0,2 < KK ≤ 0,4, korelasi lemah tp pasti
0,4 < KK ≤ 0,7, korelasi yg cukup berarti
0,7 < KK ≤ 0,9, korelasi sgt kuat
0,9 < KK < 1, korelasi kuat sekali
KK = 1, korelasi sgt sempurna
Koefisien korelasi mrp akar dr koefisien determinasi (R²).
Koefisien determinasi : merupakan suatu ukuran yg
digunakan utk melihat seberapa besar sumbangan variabel
independent terhadap variasi variabel dependent.
Nilai R² berkisar 0 < R² < 1
Kegunaannya:
• Utk ukuran ketepatan garis regresi dari hasil estimasi thd
sekelompok data hasil observasi.
• Utk mengukur proporsi dr jumlah variasi yg diterangkan
oleh model regresi.
Koefisien Determinasi:
2
r
Koefisien Korelasi :
a Y b XY n Y
(Y )
r r
2
Jenis-jenis koefisien korelasi
1. Koefisien korelasi pearson
2. Koefisien korelasi rank spearman
3. Koefisien korelasi kontingensi
4. Koefisien penentu
2
n(Y )
2
2