KORELASI DAN REGRESI LINEAR

Regresi Linear Sederhana

• Model Regresi Ŷ = a + bX
∑xy
b =
∑x2

n∑XY – (∑X)(∑Y)
=
n ∑X2 – (∑Y)2

a = Y – bX

(∑X2)(∑Y) – (∑X)(∑XY)
=
n ∑X2 – (∑X)2
Jumlah Kuadrat

a. Jumlah kuadrat total: JK (T) = ∑Y2

(∑Y)2
b. Jumlah Kuadrat regresi a : JK(a) =
n
(∑Y)2
c. Jumlah kuadrat tereduksi JK (R) = ∑Y2 - = ∑y2
n
d. Jumlah kuadrat regresi b: JK (b) = JK(reg) = b∑xy

e. Jumlah kuadrat sisa:

JK (S) = JK (T) – JK(reg)
= ∑y2 - b ∑xy
(∑xy)2
= ∑y2 -
∑X2
• Jumlah Kuadrat galat
JK (G) = ∑(y2k)
(∑Y)2
= ∑Y2 -
nk
• Jumlah kuadrat tuna cocok
JK (TC) = JK(S) – JK(G)
• Uji Signifikansi Regresi

JK (reg)
Fh = Fh > F t  regresi signifikan
JK(S)/(n-2)

• Uji Linearitas Regresi

JK(TC)/(k-2)
Fh = Fh < F t  regresi linear
JK(G)/(n-k)

• Galat Baku Taksiran

JK ( S )
S yx 
n2
Contoh Regresi Linear Sederhana Y atas X
Deskripsi Data

siswa X Y x x2 y y2 xy
A 20 15 6 36 6 36 36
B 20 12 6 36 2 4 12
C 12 10 -2 4 0 0 0
D 12 8 -2 4 -2 4 4
E 6 4 -8 64 -6 36 48
∑ 70 50 0 144 0 80 100

μ 14 10
Model Regresi Ŷ = a + bX

Model Regresi Ŷ = a + bX
∑xy 100
b = = = 0,69
∑x2 144

a = Y – bX

= 10 – (0,69)(14) = 0,34

Model regresi: Ŷ = 0,34 + 0,69X

Jumlah Kuadrat

• JK (T) = ∑Y2 = 580

(∑Y)2 (50)2
• Regresi a: JK(a) = = = 500
n 5

• Total Direduksi/koreksi: JK(R) = JK(T) – JK(a) = ∑y2 = 80

• Regresi b: JK(b) = JK(reg) = b ∑xy = (0,69)(100) = 69

• Sisa (JK(S) = JK(R) - JK(reg) = 80 – 69 = 11

• Galat: JK(G) = ∑(∑y2k) =
(16+12)2 (16+8)2 42
(162 + 122 – + 102 + 82 – + 42 – = 10
2 2 1

• Tuna Cocok

JK (TC) = JK(S) – JK(G) = 11 – 10 = 1

TABEL ANAVA untuk Regresi Linear Sederhana

Sumber Fh Ft
db JK RJK
Varians
Total 5 580
Reg. a 1 500 500
Reg. a 1 69 69 18,6 10,3
Sisa 3 11 3,7
Tuna Cocok 1 1 1 0,2 18,51
Galat 2 10 5
Uji Signifikansi Regresi dan Uji Linearitas Regresi

a. Ho : β = 0
H1 : β > 0
Karena Fh = 18,6 > 10,12 = Ft, maka regresi significan
b. Ho : Y =  + βX
H1 : Y ≠  + βX
Karena Fh = 0,5 < 18,51 = Ft, maka regresi linear
• Koefisien Korelasi

rxy 
 xy 
100

100
 0,93
x y 
2 2
(144)(80) 107,3

• Uji signifikansi Korelasi

r n2 0,93 3
th    4,38
(1  r )
2
0,1351

tt = t(0,95;3) = 2,35
Karena t h > tt, maka korelasi signifikan