Regresi dan Korelasi
Pengertian Regresi dan Korelasi.
Regresi dan korelasi digunakan untuk
mempelajari pola dan mengukur hubungan statistic antara dua atau lebih
variabel.
Jika digunakan hanya dua variable disebut
regresi dan korelasi sederhana.
Jika digunakan lebih dari dua variable
disebut regresi dan korelasi berganda
Variabel yang akan diduga disebut variable
terikat (tidak bebas)atau dependent variable,biasa dinyatakan dengan variable
Y.
Variabel yang menerangkan perubahan variable
terikat disebut variable bebas atau independent variable,biasa dinyatakan
dengan variable X.
Persamaan
regresi(penduga/perkiraan/peramalan)dibentuk untuk menerangkan pola hubungan
variabel-variabel.
Analisa
korelasi digunakan untuk mengukur keeratan hubungan antara variabel-variabel.
Untuk menentukan persamaan hubungan
Antar variabel,langkah-langkahnya sbb:
1.Mengumpulkan
data dari variable yang dibutuhkan misalnya X sebagai variable bebas dan Y
sebagai variable tidak bebas.
2.Menggambarkan titik-titik pasangan(x,y)
dalamsebuah system koordinat bidang.
Hasil dari gambar itu disebut SCATTER DIAGRAM
(DiagramPencar/Tebaran)dimana dapat dibayangkan bentuk kurva harus yang sesuai
dengan data.
Kegunaan dari diagram pencar adalah:
Membantu menunjukkan apakah terdapat hubungan
yang bermanfaat antara dua variabel.
Membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variable tersebut.
Analisis Regresi dan
Korelasi
•
Analisis regresi digunakan untuk mempelajari dan mengukur
hubungan statistik yang terjadi antara dua varibel atau lebih variabel.
•
Variabel tersebut adalah variabel X (variabel independent / variabel yang
mempengaruhi / variabel yang diketahui), dan variabel Y (variabel dependent /
variabel yang dipengaruhi/ variabel yang tidak diketahui)
•
Analisis korelasi bertujuan untuk mengukur “seberapa
kuat” atau “derajat kedekatan”, suatu relasi yang terjadi antar variabel.
Macam hubungan antara 2
variabel
Pada dasarnya hubungan
antar 2 variabel dapat dibedakan atas:
1. Hubungan searah/positif
2. Hubungan bersifat kebalikan/negatif
3. Tidak ada hubungan
1. Hubungan searah/positif
Hubungan yang searah
diartikan apabila perubahan variabel x (independent) akan mempengaruhi variabel
y (dependent) yang searah.
Atau jika variabel x bertambah,
maka variabel y bertambah pula, dan sebaliknya.
Contoh :
a. hubungan antara pengeluaran iklan (x) dan
jumlah penjualan (y).
b. Hubungan antara
penghasilan (X) dan pengeluaran konsumsi (Y)
2. Hubungan bersifat kebalikan/negatif
Dua variabel dikatakan mempunyai hubungan yang bersifat
kebalikan atau negatip, apabila perubahan variabel independent (x) akan
mempengaruhi variabel dependent (Y)
pada arah yang berlawanan.
Artinya apabila variabel
x bertambah, maka variabel y berkurang atau sebaliknya, jika variabel x
berkurang maka variabel y bertambah.
Contoh :
a. Hubungan antara usia
kendaraan (X) dengan tingkat harga (Y).
b. Hubungan antara harga
barang (x) dengan jumlah yang diminta (Y)
3. Tidak ada hubungan
Dua variabel dikatakan tidak punya hubungan apabila
perubahan pada variabel independent (x) tidak mempengaruhi perubahan pada
variabel dependent (y).
Contoh :
Hubungan antara konsumsi pangan (x) dengan tingginya gedung
(y).
Relasi yang Logis
-
Seorang pimpinan perusahaan selalu dihadapkan pada
masalah pengambilan keputusan yang
berkaitan dengan hal-hal di masa mendatang.
-
Untuk pengambilan keputusan yang tepat, maka harus
berdasarkan pada data yang diketahui, dihubungkan dengan hal-hal di masa
mendatang.
-
Seperti kita ketahui, pada semua kejadian,
baik kejadian ekonomi maupun lainnya, pasti ada faktor yang menyebabkan
terjadinya kejadian-kejadian tersebut (merosotnya hasil penjualan tekstil
mungkin disebabkan karena kalah bersaing dengan tekstil impor, merosotnya produksi padi mungkin karena
pupuknya berkurang, dan lain sebagainya)
Penggambaran Garis
Regresi
Ada 2 cara penggambaran
garis regresi :
1. Metode diagram berserak
(The scatter diagram)
2. Metode jumlah kuadrat
terkecil (The least square’s method)
Diagram Pencar
Setelah ditetapkan bahwa terdapat hubungan
logis di antara variabel, maka untuk mendukung analisis lebih jauh, barangkali
tahap selanjutnya adalah menggunakan grafik.
Grafik ini disebut diagram pencar, yang
menunjukkan titik-titik tertentu. Setiap titik memperlihatkan suatu hasil yang
kita nilai sebagai varibel tak bebas maupun bebas
Diagram pencar ini memiliki 2 manfaat, yaitu
:
-
membantu menunjukkan apakah terdapat hubungan
yang bermanfaat antara dua variabel,
-
dan membantu menetapkan tipe persamaan yang
menunjukkan hubungan antara kedua variabel tersebut. Metode jumlah kuadrat
terkecil
Regresi merupakan suatu alat ukur yang juga
digunakan untuk mengukur ada atau tidaknya korelasi antar variabelnya.
Istilah regresi itu sendiri berarti ramalan
atau taksiran.
Persamaan yang digunakan untuk mendapatkan
garis regresi pada data diagram pencar disebut persamaan regresi.
Untuk menempatkan garis regresi pada data
yang diperoleh maka digunakan metode kuadrat terkecil, sehingga bentuk
persamaan regresi adalah sebagai berikut:
Y’
= a + b X
Dimana:
Y’: nilai estimate variabel terikat
a: titik potong garis
regresi pd sumbu y (nilai estimate Y’ bila x=0)
b: gradien garis regresi
(perub nilai estimate Y’ per satuan perubahan nilai x)
X: nilai variabel bebas
Kesamaan diantara garis regresi dan garis
trend tidak dapat berakhir dengan persamaan garis lurus. Garis regresi (seperti
garis trend dan nilai tengah aritmatika) memiliki dua sifat matematis berikut :
S(Y – Y’) = 0
dan S(Y – Y’)2 = nilai terkecil atau terendah
Dengan perkataan lain, garis regresi akan
ditempatkan pada data dalam diagram sedemikian rupa sehingga penyimpangan
(perbedaan) positif titik-titik
terhadap titik-titik pencar di atas garis akan mengimbangi penyimpangan negatif
titik-titik pencar yang terletak di
bawah garis, sehingga hasil penyimpangan keseluruhan titik-titik terhadap garis
lurus adalah nol.
Komentar
Posting Komentar