Korelasi dan Regresi Linear Berganda

Korelasi dan Regresi Linear Berganda
Pada hubungan linear lebih dari 2 variabel ini, perubahan 1 variabel dipengaruhi oleh lebih dari 1 variabel lain. Jika hubungan lebih dari 2 variabel dinyatakan secara fungsional (hubungan fungsional), didapatkan :
Y = f (X1, X2, X3, ... Xn)
atau dalam bentuk persamaan matematis, dituliskan :
Y = a + b1X1 + b2X2 + b3X3 + ... + bnXn
Keterangan :
Y , X1 , X2 , X3 , ... , Xn = Variabel X
a , b1 , b2 , b3 , ... , bn = Konstanta atau koefisien variabel

Koefisien Korelasi Linear Berganda
adalah indeks atau angka yang digunakan untuk mengukur keeratan hubungan antar 3 variabel atau lebih. Koefisien korelasi berganda dirumuskan :


Latihan Soal Regresi dan Kolerasi Linear Sederhana

SOAL :


X65636764686270666867
Y68646965676668657067

PERTANYAAN :
a. Gambarkan Dalam Scatter Diagram ?
b. Carilah KK dan Jelaskan Artinya ?
c. Carilah Koefisien Determinasi ?

JAWABAN :


Data (N)XYX.XY.YX.Y
16568422546244420
26364396940964032
36769448947614623
46465409642254160
56867462444894556
66266384443564092
77068490046244760
86665435642254290
96870462449004760
106767448944894489
Jumlah660669436164478944182

a. Diagram Scatter


b. KK = [(N . ΣXY) – (ΣX . ΣY)] / √ [ (N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]
= [(10(44.182)) - (660)(669)] / √ [(10 (43.616) - (660)2)(10(44.789) - (669)2)]
= 441.820 - 441.540 / √ (436.160 - 435.600) (447.890 - 447.561)
= 280 / √ (560) (329)
= 280 / √ (184.240)
= 280 / 429,23 = 0,65
Artinya :
Jenis Korelasi = Korelasi Positif
Tingkat Keeratannya = Kuat

c. KP = [((N . ΣXY) – (ΣX)(ΣY))2] / [(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]
= [((10(44.182) - (660)(669))2]/[(10(43.616) - (660)2)(10 (44.789) - (669)2)]
= (441.820 - 441.540)2 / (436.160 - 435.600) (447.890 - 447.561)
= (280)2 / (560) (329)
= 78.400 / (184.240) = 0,43
Jadi, KP = 0,43 (43%).

Koefisien Penentu (KP) atau Koefisien Determinasi (R2)

Koefisien Penentu (KP) atau Koefisien Determinasi (R2)
Apabila koefisien korelasi dikuadratkan, akan menjadi koefisien penentu (KP)atau koefisien determinasi, yang artinya penyebab perubahan pada variabel Y yang datang dari variabel X, sebesar kuadrat koefisien korelasinya. Koefisien penentu ini menjelaskan besarnya pengaruh nilai variabel X terhadap naik atau turunnya variabel Y.

Koefisien Penentu (KP) atau Koefisien Determinasi (R2) dapat dirumuskan sebagai berikut :
KP = R2 = (KK)2 x 100%

Dalam bentuk rumus, Koefisien Penentu (KP) dituliskan :
KP = [N(ΣXY) – (ΣX . ΣY)]2 / [(N . ΣX2) – (ΣX)2][N(ΣY2) - (ΣY)2]

Keterangan ;
KP = Koefisien Penentu;
Y = Variabel terikat (Dependent Variable);
X = Variabel bebas (Independent Variable);
N = Jumlah Frekuensi

http://id.scribd.com/doc/79233753/35/Koefisien-Penentu-KP-atau-Koefisien-Determinasi
http://kk.mercubuana.ac.id/files/11017-5-428045926922.pdf

Pendugaan dan Pengujian Koefisien Regresi

Kesalahan baku regresi dan koefisien regresi berganda
Kesalahan baku atau selisih taksir standar regresi adalah nilai menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol maka penduga tersebut memiliki tingkat ketepatan 100%.
Selisih taksir standar atau kesalahan baku adalah angka atau induks yang digunakan untuk mengukur ketepatan suatu penduga.

Kesalahan baku atau selisih taksir standar regresi berganda dirumuskan :
Sy/x = Syx = Se = √ Σ(Y - Y') 2 / n - 2

Keterangan :
Sy/x = Selisih Taksir Standar
Y = Nilai Variabel Sebenarnya
Y' = Nilai Variabel Yang Diperkirakan
n = Jumlah Frekuensi

http://masbied.files.wordpress.com/2011/05/modul-matematika-regresi-dan-korelasi-linear-berganda.doc
http://mhs.blog.ui.ac.id/afif.akbar11/wp-content/blogs.dir/14106/files/2012/03/Bab-XI-Regresi-linier-sedrhn.doc

Analisis Regresi dan Korelasi Linear Sederhana

Pengertian Regresi dan Korelasi

Regresi dan korelasi digunakan untuk mempelajari pola dan mengukur hubungan statistik antara dua atau lebih variabel.
1. Jika digunakan hanya dua variabel disebut regresi dan korelasi sederhana.
2. Jika digunakan lebih dari dua variabel disebut regresi dan korelasi berganda.

Variabel adalah besaran yang nilainya dapat berubah-ubah.
Ada 2 jenis variabel, yaitu :
1. Variabel Bebas (Independent Variable) adalah variabel yang tidak dipengaruhi oleh variabel yang lain. Biasa dinyatakan dengan variabel X.
2. Variabel Terikat (Dependent Variable) adalah variabel yang dipengaruhi oleh variabel yang lain. Biasa dinyatakan dengan variabel Y.
Contoh : Antara tingkat penjualan dan tingkat promosi, yang menjadi Variabel Bebas adalah Tingkat Promosi dan yang menjadi Variabel Terikat adalah Tingkat Penjualan.

Untuk menentukan persamaan hubungan antar variabel, langkah-langkahnya sebagai berikut :
1. Mengumpulkan data dari variabel yang dibutuhkan misalnya X sebagai variabel bebas dan Y sebagai variabel tidak bebas.
2. Menggambarkan titik-titik pasangan(x,y) dalam sebuah sistem koordinat bidang. Hasil dari gambar itu disebut SCATTER DIAGRAM (Diagram Pencar/Tebaran) dimana dapat dibayangkan bentuk kurva halus yang sesuai dengan data.
3. Menentukan persamaan garis regresi atau mencari nilai-nilai konstan.

Kegunaan dari Diagram Pencar adalah :
• Membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua variabel.
• Membantu menetapkan tipe persamaan yang menunjukkan hubungan antara kedua variabel tersebut.

Analisa Regresi Sederhana
Regresi adalah alat ukur yang digunakan untuk mengukur hubungan antar variabel. Misalnya : Hubungan antara hasil penjualan dan promosi.
a. Persamaan garis regresi linier sederhana untuk sampel : y = a + bx , yang diperoleh dengan menggunakan Metode Kuadrat Terkecil.
b. Bila diberikan data sampel
{(xi, yi); i = 1, 2, …, n}
maka nilai dugaan kuadrat terkecil bagi parameter dalam garis regresi : y = a + bx.

Keterangan :
Y : Variabel terikat (Dependent Variable);
X : Variabel bebas (Independent Variable);
a : Konstanta; dan
b : Koefisien Regresi.
Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta (a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]


Analisa Korelasi Sederhana
Korelasi adalah metode statistik yang digunakan untuk menentukan kuat tidaknya (derajat) hubungan linier antara 2 variable atau lebih.
Indeks/bilangan yang digunakan untuk mengukur keeratan hubungan antar variabel disebut Koefisien Korelasi(r).
Jika b positif maka r positif sedangkan jika b negatif maka r negatif.
a. Nilai r terletak dari –1 sampai +1 atau ditulis –1≤ r ≤+1.
b. Bila r mendekati +1 dan –1 maka terjadi korelasi tinggi dan terjadi hubungan linier yang sempurna antara X dan Y.
c. Bila r mendekati 0 hubungan liniernya sangat lemah atau tidak ada. ™Misalnya: r = - 0,6 , menunjukkan arah yang berlawanan, X↑ maka Y↓ atau X↓ maka Y↑, r = + 0,6 , menunjukkan arah yang sama, X↑ maka Y↑ atau X↓ maka Y↓ r = 0 menunjukkan tidak ada hubungan linier antara X dan Y.
Untuk mencari nilai koefisen korelasi (r) dapat digunakan rumus sebagai berikut :
r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
Pedoman Untuk Menginterpretasikan Koefisien Korelasi (r)
Interval Koefisien
0,00 – 0,199 Sangat rendah
0.20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat

http://ssantoso.blogspot.com/2008/08/analisis-regresi-dan-korelasi-materi.html
http://samianstats.files.wordpress.com/2008/10/korelasional-spss1.pdf