Makalah ini membahas tentang regresi dan korelasi sederhana dengan menjelaskan pengertian, perbedaan, dan contoh penerapan regresi dan korelasi dalam 2-3 kalimat. Makalah ini juga mendemonstrasikan analisis regresi dan korelasi menggunakan Excel dan SPSS.

1. i
MAKALAH REGRESI DAN KORELASI
Diajukan Untuk Memenuhi Tugas UAS Mata Kuliah
STATISTIKA
Disusun Oleh :
1. Setiawan Wiby Laksono ( 12171921 )
2. Silih Kurniawan ( 12172670 )
Kelas : 12.3C.09
Sistem Informasi
Fakultas Teknologi Informasi
Universitas Bina Sarana Informatika
PSDKU Yogyakarta
2018

2. ii
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan
segala rahmat dan hidayahNya sehingga kami dapat menyelesaikan makalah
“Regresi dan Korelasi” ini dengan baik. Sebagai syarat pengganti nilai Ujian
Akhir Semester mata kuliah Statistika dari UBSI PSDKU Yogyakarta tahun 2018.
Kami juga mengucapkan banyak terimakasih kepada dosen pembimbing
mata kuliah Statistika, Bpk. Atun Yulianto yang telah membimbing kami dalam
kegiatan perkuliahan. Serta kepada semua pihak yang telah berkontribusi dalam
pembuatan makalah ini.
Semoga makalah ini dapat memberikan pengetahuan dan pengalaman bagi
pembaca, walaupun makalah ini masih banyak kekurangannya. Oleh sebab itu,
kami mengharapkan kritik dan saran yang membangun sehingga kedepannya
kami dapat memperbaiki dan meningkatkan pengetahuan kami dengan lebih baik.
Yogyakarta, 20 November 2018
Penyusun

3. iii
DAFTAR ISI
JUDUL.........................................................................................................…….. i
KATA PENGANTAR........................................................................................... ii
DAFTAR ISI......................................................................................................... iii
BAB I PENDAHULUAN..................................................................................... 1
1.1. Latar Belakang.......................................................................................... 1
1.2. Rumusan Masalah..................................................................................... 3
1.3. Maksud and Tujuan........................................................................…….. 3
1.4. Metode Penulisan……………………………………………………….. 3
BAB II LANDASAN TEORI................................................................................ 4
2.2. Pengertian Regresi.................................................................................... 4
2.3. Pengertian Korelasi................................................................................... 5
2.4. Perbedaan Regresidan Korelasi............................................................... 6
BAB III PEMBAHASAN...................................................................................... 8
3.1. Analisa Regresi Sederhana…………………………………................... 8
3.2 Analisa Korelasi Sederhana…………………………………………….. 14
3.3 Koefisien Determinasi………………………………………………….. 15
3.4 Analisis Korelasi dan Regresidengan Excel…………………………… 19
3.5 Analisa regresi dan korelasi dengan SPSS……………………………… 23
BAB IV PENUTUP............................................................................................... 28
4.1. Kesimpulan...................................................................................……... 28
4.2. Saran......................................................................................................... 28
4.3. Daftar Pustaka…………………………………………………………... 29

4. 1
BAB I PENDAHULUAN
1.1 Latar Belakang
Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-cara
pengumulan dan penyusunan data, pengolahan data, dan penganalisisan data,
serta penyajian data berdasarkan kumpulan dan analisis data yang dilakukan.
Salah satu ilmu yang mendasari dalam mempelajari statistika adalah peluang atau
probabilitas.
Sedangkan statistik adalah hasil-hasil pengolahan dan analisis data.
Statistik dapat berupa mean, modus, median, dan sebagainya. Statistik dapat
digunakan untuk menyatakan kesimpulan data berbentuk bilangan yang disusun
dalam bentuk tabel atau diagram yang menggambarkan karakteristik data.
Berdasarkan kegiatanya, statistika dikelompokkan menjadi dua macam,
yaitu Statistika deskriptif (statistika deduktif) dan statistika inferensi (statistika
induktif).
Statistika deskriptif adalah statistika yang meliputi kegiatan-kegiatan
pengumpulan, penyajian, penyederhanaan atau penganalisisan, dan penentuan
ukuran-ukuran khusus dari suatu data tanpa penarikan kesimpulan. Sedangkan,
pengertian statistika inferensi adalah ilmu mengenai penarikan kesimpulan dan
pengambilan keputusan tentang makna statistik yang telah dihitung. Untuk saat
ini, kami hanya akan membahas tentang ilmu Statistika Deskriptif.
Di dalam statistik terdapat variabel. Variabel berasal dari kata “vary” dan
“able” yang berarti “berubah” dan “dapat”. Jadi, secara harfiah variabel berarti
dapat berubah, sehingga setiap variabel dapat diberi nilai dan nilai itu berubah-
ubah. Nilai tersebut bisa kuntitatif (terukur dan atau terhitung, dapat dinyatakan
dengan angka) juga bisa kualitatif (jumlah dan derajat atributnya yang dinyatakan
dengan nilai mutu).

5. 2
Variabel merupakan element penting dalam masalah penelitian. Dalam
statistik, variabel didefinisikan sebagai konsep, kualitas, karakteristik, atribut, atau
sifat-sifat dari suatu objek (orang, benda, tempat, dll) yang nilainya berbeda-beda
antara satu objek dengan objek lainnya dan sudah ditetapkan oleh peneliti untuk
dipelajari dan ditarik kesimpulannya.
Kemudian dalam kehidupan sehari-hari, seringkali dijumpai kegiatan-
kegiatan yang berhubungan antara suatu variabel dengan satu atau lebih variabel
lain. Contohnya seperti :
1. Hubungan intensitas belajar mahasiswa dengan prestasi mata kuliah
stastistika
2. Hubungan pendapatan dengan pengeluaran Negara.
3. Hubungan pendapatan dengan konsumsi per minggu.
4. Hubungan biaya promosi dan penjualan.
5. Hubungan jumlah pakan dan berat badan ternak, dan lain-lain.
Kegiatan itu tentunya membutuhkan analisis hubungan antara kegiatan-kegiatan
tersebut. Pada makalah ini akan dipelajari yaitu hubungan statistik antara suatu
variabel dengan satu atau lebih variabel lain yang disebut regresi dan korelasi.
Secara umum ada dua macam hubungan antara dua atau lebih variabel,
yaitu bentuk hubungan dan keeratan hubungan. Bila ingin mengetahui bentuk
hubungan dua variabel atau lebih, digunakan analisis regresi. Bila ingin melihat
keeratan hubungan, digunakan analisis korelasi.
Regresi dan korelasi digunakan untuk mempelajari pola dan mengukur
hubungan statistik antara 2 atau lebih variabel. Untuk saat ini, kami menggunakan
hanya 2 variabel yang disebut dengan regresi dan korelasi sederhana.

6. 3
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, dapat di rumuskan sebuah permasalahan
sebagai berikut:
1. Apa pengertian Regresi dan Korelasi sederhana?
2. Apa kegunaan Regresi dan Korelasi?
3. Apa macam-macam Regresi dan Korelasi?
1.3 Maksud dan Tujuan
Berikut ini adalah beberapa tujuan penulisan makalah :
1. Untuk memenuhi persyaratan dalam memperoleh nilai UAS Statistika
Deskriptif semester 3.
2. Untuk mengetahui pengertian dan perhitungan Regresi dan Korelasi
3. Membuat para mahasiswa lebih mengetahui dan memahami materi ini
melalui analisa data, penarikkan kesimpulan dan pembuat keputusan.
1.4 Metode Penulisan
Metode penulisan yang kami gunakan adalah bersifat studi pustaka. Studi
kepustakaan adalah segala usaha yang dilakukan oleh peneliti untuk menghimpun
informasi yang relevan dengan topik atau masalah yang akan atau sedang diteliti.
Studi kepustakaan adalah teknik pengumpulan data dengan mengadakan studi
penelaahan terhadap buku-buku, literatur-literatur, catatan-catatan, dan laporan-
laporan yang ada hubungannya dengan masalah yang dipecahkan. Informasi
diperoleh dari buku, jurnal dan laporan penelitian. Selain itu kami juga mengambil
dari situs-situs yang berhubungan dengan judul makalah yang kami buat.

7. 4
BAB II LANDASAN TEORI
2.1 Pengertian Regresi
Lains (2003) mengatakan bahwa istilah regresi dikemukakan untuk
pertama kali oleh Francis Galton dalam artikelnya “Family Likeness in Stature”
pada tahun 1886. Studinya ini menghasilkan apa yang dikenal dengan hukum
regresi universal tentang tingginya anggota suatu masyarakat. Hukum tersebut
menyatakan bahwa distribusi tinggi suatu masyarakat tidak mengalami perubahan
yang besar sekali antar generasi. Hal ini dijelaskan Galton berdasarkan fakta yang
memperlihatkan adanya kecenderungan mundurnya (regress) tinggi rata-rata anak
dari orang tua dengan tinggi tertentu menuju tinggi rata-rata seluruh anggota
masyarakat. Ini berarti terjadi penyusutan ke arah keadaan sekarang.
Tetapi sekarang istilah regresi telah diberikan makna yang jauh berbeda
dari yang dimaksudkan oleh Galton. Secara luas analisis regresi diartikan sebagai
suatu analisis tentang ketergantungan suatu variabel kepada variabel lain yaitu
variabel bebas dalam rangka membuat estimasi atau prediksi dari nilai rata-rata
variabel tergantung dengan diketahuinya nilai variabel bebas.
Regresi dalam statistika adalah salah satu metode untuk menentukan
tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang
pertama disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara bebas, variabel X (karena
seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel yang
kedua adalah variabel yang dipengaruhi, variabel dependen, variabel terikat, atau
variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun
variabel yang dipengaruhi harus selalu variabel acak.

8. 5
2.2 Pengertian Korelasi
Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun
ketika dikembangkan lebih jauh, korelasi tidak hanya dapat dipahami sebatas
pengertian tersebut. Korelasi merupakan salah satu teknik analisis dalam statistik
yang digunakan untuk mencari hubungan antara dua variabel yang bersifat
kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan
sebab akibat atau dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan
berkolerasi apabila perubahan pada variabel yang satu akan diikuti perubahan
pada variabel yang lain secara teratur dengan arah yang sama (korelasi positif)
atau berlawanan (korelasi negatif).
Dalam statistika, korelasi merupakan ukuran dari seberapa dekat dua
variabel berubah dalam hubungan satu sama lain. Sebagai contoh, kita bisa
menggunakan tinggi badan dan usia siswa SD sebagai variabel dalam korelasi
positif. Semakin tua usia siswa SD, maka tinggi badannya pun menjadi semakin
tinggi. Hubungan ini disebut korelasi positif karena kedua variabel mengalami
perubahan ke arah yang sama, yakni dengan meningkatnya usia, maka tinggi
badan pun ikut meningkat.
Sementara itu, kita bisa menggunakan nilai dan tingkat ketidak hadiran
siswa sebagai contoh dalam korelasi negatif. Semakin tinggi tingkat ketidak
hadiran siswa di kelas, maka nilai yang diperolehnya cenderung semakin rendah.
Hubungan ini disebut korelasi negatif karena kedua variabel mengalami
perubahan ke arah yang berlawanan, yakni dengan meningkatnya tingkat ketidak
hadiran, maka nilai siswa justru menurun.
Kedua variabel yang dibandingkan satu sama lain dalam korelasi dapat
dibedakan menjadi variabel independen dan variabel dependen. Sesuai dengan
namanya, variabel independen adalah variabel yang perubahannya cenderung di
luar kendali manusia. Sementara itu variabel dependen adalah variabel yang dapat
berubah sebagai akibat dari perubahan variabel independen. Hubungan ini dapat
dicontohkan dengan ilustrasi pertumbuhan tanaman dengan variabel sinar
matahari dan tinggi tanaman. Sinar matahari merupakan variabel independen

9. 6
karena intensitas cahaya yang dihasilkan oleh matahari tidak dapat diatur oleh
manusia. Sedangkan tinggi tanaman merupakan variabel dependen karena
perubahan tinggi tanaman dipengaruhi langsung oleh intensitas cahaya matahari
sebagai variabel indipenden.
2.3 Perbedaan Regresi dan Korelasi
Analisis korelasi berkaitan erat dengan regresi, tetapi secara konsep
berbeda dengan analisis regresi. Analisis korelasi adalah mengukur suatu tingkat
atau kekuatan hubungan linear antara dua variabel. Koefisien korelasi adalah
mengukur kekuatan hubungan linear. Sebagai contoh, kita tertarik untuk
menemukan korelasi antara merokok dengan penyakit kanker, berdasarkan
penjelasan statistik dan matematika, pada anak sekolah dan mahasiswa (dst).
Dalam analisis regresi, kita tidak menggunakan pengukuran tersebut.
Analisis regresi mencoba untuk mengestimasi atau memprediksikan nilai rata-rata
suatu variabel yang sudah diketahui nilainya, berdasarkan suatu variabel lain yang
juga sudah diketahui nilainya. Misalnya, kita ingin mengetahui apakah kita dapat
memprediksikan nilai rata-rata ujian statistik berdasarkan nilai hasil ujian
matematika.
Regresi mempelajari bentuk hubungan antar variabel mealui suatu
persamaan. Persamaan yang digunakan untuk melihat hubungan antar variabel
adalah Regresi Linear Sederhana (RLS), Regresi Linear Berganda (RLB), dan
Regresi non Linear. Regresi bisa berupa hubungan sebab akibat. Regresi
mengukur seberapa besar suatu variabel mempengaruhi variabel yang lain,
sehingga dapat digunakan untuk melakukan peramalan nilai suatu variabel
berdasarkan variabel lain.

10. 7
Korelasi juga mempelajari hubungan antar variabel, tetapi digunakan
untuk melihat seberapa erat hubungan antar dua variabel kuantitatif dilihat dari
besarnya angka dan bukan dari tandanya. Dengan menggunakan korelasi, kita
dapat mengetahui arah hubungan yang terjadi dalam dua variabel. Jika korelasi
bertanda positif artinya berbanding lurus dan jika bertanda negatif maka
berbanding terbalik.
Korelasi tidak bisa menyatakan hubungan sebab akibat meskipun angka
korelasinya tinggi. Misal ada dua pernyataan:
1. Tanaman mati kekeringan di musim kemarau
2. Pupuk kompos diberikan saat musim kemarau
Dari kedua pernyataan di atas, kita tidak dapat mengatakan bahwa pupuk kompos
menyebabkan tanaman mati meskipun korelasinya tinggi.

11. 8
BAB III PEMBAHASAN
3.1 Analisa Regresi Sederhana
Garis lurus atau garis linear yang merupakan garis taksiran atau perkiraan
untuk mewakili pola hubungan antara variabel X dengan variabel Y disebut garis
regresi dan korelasi. Analisis regresi sederhana hanya terdiri atas satu X disebut
variabel bebas (eksplanatori) dan satu Y disebut variabel terikat/tak bebas
(respon). Kedua variabel ini merupakan variabel kuantitatif, khusus untuk Y harus
dengan skala interval atau rasio.
Persamaan garis regresi linear sederhana ditentukan sebagai berikut:
Y=a+bX
Keterangan:
Y = nilai-nilai taksiran untuk variabel tak bebas (Y)
X = nilai-nilai variabel bebas
a = intersep/perpotongan garis regresi dengan sumbu y
b = koefisien arah atau kemiringan dari garis regresi
Garis regresi taksiran ini dapat dipergunakan untuk meramal (prediksi)
rentang rata-rata nilai Y pada saat nilai X diketahui, demikian juga rentang nilai-
nilai Y pada saat nilai tertentu dari X . Persamaan regresi yang paling baik adalah
regresi yang mempunyai total kuadrat selisih atau total kuadrat total kuadrat error
yang paling minimum.
Persamaan regresi linear dengan metode kuadrat terkecil akan mempunyai total
kuadrat error minimum ditentukan sebagai berikut:
𝑎 =
∑ 𝑌∑ 𝑋2
− ∑ 𝑋 ∑ 𝑋𝑌
𝑛 ∑ 𝑋2 − (∑ 𝑋)2

12. 9
Keterangan :
a = intersep (pintasan) bilamana X=0
X = variabel bebas
Y = variabel tak bebas
𝑏 =
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑛 ∑ 𝑋2 − (∑ 𝑋)2
Keterangan :
b = koefisien arah atau slope dari garis regresi
X = variabel bebas
Y = variabel tak bebas
Persamaan regresi linear diatas dihitung secara terpisah. Selain dengan persamaan
di atas bisa juga koefisieen b dihitung pertama kali dan hasil yang diperoleh
digunakan untuk menghitung koefisien a, persamaannya sebagai berikut :
𝑎 =
∑ 𝑌
𝑛
− 𝑏 [
∑ 𝑋
𝑛
]
Keterangan :
a = intersep (pintasan) bilamana X=0
b = koefisien arah atau slope dari garis regresi
X = variabel bebas
Y = variabel tak bebas
n = banyaknya data

13. 10
Setelah mengetahui persamaan analisa regresi sederhana, maka sekarang kami
akan membuat analisa regresi sederhana dari tabel berikut ini :
Data tabel berikut menyajikan nilai teori dan praktek pendidikan teknologi
infomasi dan komunikasi kelas 6 semester 1 di SD Kanisius Minggir tahun
pelajaran 2018/2019.
Tabel Data Besarnya Nilai Teori dan Praktek TIK
NO NAMA TEORI
(X)
PRAKTEK
(Y)
1 AlexanderDimasWicaksana 7,6 8,5
2 AnastasiaFitri Wulandari 7,6 8,0
3 CristianusDamarWiji Saputra 7,8 8,0
4 Clara OktavensaRossari 7,8 8,2
5 Emanuel Sakti LuckyWibowo 7,8 8,0
6 FlavianaKalisLeoniki 7,8 8,2
7 F. DianPrasetyo 7,6 8,2
8 LeonardusAgungSuryaWibowo 7,8 8,4
9 MarcellaJennyMurtikasari 8,0 8,4
10 MartinusDani Widyananta 7,6 8,0
11 PungkyArdianChristy 7,8 8,0
12 RehanCandra Silvestra 8,0 8,5
13 Stefani VikaRahmacintya 8,0 8,4
14 TheresiaKaritinVresniWoro 7,6 8,0
15 VeronikaRenaYuliastuti 8,5 8,5
16 YolandaPriscilla 8,0 8,4
17 Maria Ratih Hartati Pakpahan 7,8 8,4
18 YohanesBretianPratamaSeptiaji 7,8 8,2
19 F. X. Andrie Ganggakusuma 7,8 8,5
20 WilliamGalihWisanggeni 7,8 8,0
Tentukan persamaan regresi linear dengan menggunakan metode kuadrat terkecil
?

14. 11
Penyelesaian:
Untuk mempermudah perhitungan maka dibuat tabel perhitungan sebagai berikut :
No Teori
(X)
Praktek
(Y)
XY X2 Y2
1 7,6 8,5 64,60 57,76 72,25
2 7,6 8,0 60,80 57,76 64,00
3 7,8 8,0 62,40 60,84 64,00
4 7,8 8,2 63,96 60,84 67,24
5 7,8 8,0 62,40 60,84 64,00
6 7,8 8,2 63,96 60,84 67,24
7 7,6 8,2 62,32 57,76 67,24
8 7,8 8,4 65,52 60,84 70,56
9 8,0 8,4 67,20 64,00 70,56
10 7,6 8,0 60,80 57,76 64,00
11 7,8 8,0 62,40 60,84 64,00
12 8,0 8,5 68,00 64,00 72,25
13 8,0 8,4 67,20 64,00 70,56
14 7,6 8,0 60,80 57,76 64,00
15 8,5 8,5 72,25 72,25 72,25
16 8,0 8,4 67,20 64,00 70,56
17 7,8 8,4 65,52 60,84 70,56
18 7,8 8,2 63,96 60,84 67,24
19 7,8 8,5 66,30 60,84 72,25
20 7,8 8,0 62,40 60,84 64,00
Jumlah 156,5 164,8 1289,99 1225,45 1358,76
Dari tabel diatas maka diperoleh :
∑X = 156,5
∑Y = 164,8
∑XY = 1289,99
∑X2 = 1225,45
∑Y2 = 1358,76

15. 12
Maka, nilai b yaitu :
𝑏 =
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋∑ 𝑌
𝑛 ∑ 𝑋2 − (∑ 𝑋)2
=
20(1289,99)− (156,5)(164,8)
20(1225,45)− (156,5)2
=
25799,80 − 25791,20
24509,00 − 24492,25
=
8,60
16,75
= 0,5134
Maka, nilai a yaitu:
𝑎 =
∑ 𝑌
𝑛
− 𝑏 [
∑ 𝑋
𝑛
]
=
164,8
20
− 0,5134[
156,5
20
]
= 8,24 − 4,017355
= 4,222
Jadi persamaan regresi linier dengan menggunakan metode kuadrat terkecil yaitu
Y= 4,222 + 0,5134 X

16. 13
Kemudian kita dapat melakukan prediksi atau peramalan terhadap variabel faktor
penyebab atau variabel akibat.
1. Memprediksikan Jumlah Teori jika Praktek(X), contohnya : 9
Y= 4,222 + 0,5134 X
Y= 4,222 + 0,5134 (9)
Y= 8,8426
Jadi Jika teori mencapai 9 , maka akan diprediksikan terhadap praktek
sebesar 8,84
2. Memprediksikan Jumlah Praktek jika Teori ( Y), contohnya : 9
Y = 4,222 + 0,5134 X
9 = 4,222 + 0,5134 X
0,5134 X = 90+4,222
X = 13,222/0,5134
X = 25,753
Jadi Jika praktek mencapai 9 , maka akan diprediksikan terhadap teori
sebesar 25,75

17. 14
3.2 Analisa Korelasi Sederhana
Derajat hubungan antara variabel-variabel dikenal dengan analisa korelasi.
Ukuran yang digunakanuntuk mengetahui derajat hubungan, erutama untuk data
kuantitatif yang disebut koefisien korelasi.
Jika garis regresi yang terbaik untuk sekelompok data berbentuk linier,
maka derajat hubungannya akan dinyatakan dengan r dan biasa disebut koefisien
korelasi.
Persamaan koefisien korelasi(r) sebagai berikut:
𝑟 =
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
√{ 𝑛 ∑ 𝑋2 − (∑ 𝑋)2}{ 𝑛 ∑ 𝑌2 − (∑ 𝑌)2}
Keterangan :
X = variabel bebas
Y = variabel tak bebas
n = banyaknya data
Jika b positif maka r positif, jika b negatif maka r negatif.
Nilai r terletak dari -1 sampai +1 atau -1≤ r ≤ +1.
Bila r mendekati +1 dan -1 maka terjadi korelasi tinggi.
Bila r mendekati 0 maka hubungan linearnya sangat lemah atau tidak ada.
Contoh :
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 linear antara X dan Y

18. 15
3.3 Koefisien Determinasi (r2)
Koefisien determinasi adalah alat untuk mengukur tingakat
kecocokan/kesempurnaan model regresi. Misal r2 = 0,90 artinya nilai duga regresi
yangkita peroleh memenuhi model yang kita kehendaki. Atau 90% besarnya nilai-
nilai Y ditentukan oleh nilai-nilai X yang dimasukkan dalam model, sedangkan
10% lagi ditentukan oleh variabel lain di luar model. Koefisien determinasi ditulis
r2 untuk regresi 2 variabel dan nilainya 0 dan 1.
Contoh misalnya r2 = 0,6 artinya 0,36 atau 36% diantara keragaman total
nilai-nilai Y dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X atau
besarnya sumbangan X terhadap naik turunya Y adalah 36% sedangkan 64%
disebabkan faktor lain.

19. 16
Setelah mengetahui persamaan analisa korelasi sederhana, maka sekarang kami
akan menetukan koefisien korelasi dan koefisien determinasinya dari tabel berikut
ini :
Data tabel berikut menyajikan nilai teori dan praktek pendidikan teknologi
infomasi dan komunikasi kelas 6 semester 1 di SD Kanisius Minggir tahun
pelajaran 2018/2019.
Tabel Data Besarnya Nilai Teori dan Praktek TIK
NO NAMA TEORI
(X)
PRAKTEK
(Y)
1 AlexanderDimas Wicaksana 7,6 8,5
2 AnastasiaFitri Wulandari 7,6 8,0
3 CristianusDamarWiji Saputra 7,8 8,0
4 Clara OktavensaRossari 7,8 8,2
5 Emanuel Sakti LuckyWibowo 7,8 8,0
6 FlavianaKalisLeoniki 7,8 8,2
7 F. DianPrasetyo 7,6 8,2
8 LeonardusAgungSuryaWibowo 7,8 8,4
9 MarcellaJennyMurtikasari 8,0 8,4
10 MartinusDani Widyananta 7,6 8,0
11 PungkyArdianChristy 7,8 8,0
12 RehanCandra Silvestra 8,0 8,5
13 Stefani VikaRahmacintya 8,0 8,4
14 TheresiaKaritinVresniWoro 7,6 8,0
15 VeronikaRenaYuliastuti 8,5 8,5
16 YolandaPriscilla 8,0 8,4
17 Maria Ratih Hartati Pakpahan 7,8 8,4
18 YohanesBretianPratamaSeptiaji 7,8 8,2
19 F. X. Andrie Ganggakusuma 7,8 8,5
20 WilliamGalihWisanggeni 7,8 8,0
Tentukan nilai koefisien korelasi dan koefisien determinasinya?

20. 17
Penyelesaian:
Untuk mempermudah perhitungan maka dibuat tabel perhitungan sebagai berikut :
No Teori
(X)
Praktek
(Y)
XY X2 Y2
1 7,6 8,5 64,60 57,76 72,25
2 7,6 8,0 60,80 57,76 64,00
3 7,8 8,0 62,40 60,84 64,00
4 7,8 8,2 63,96 60,84 67,24
5 7,8 8,0 62,40 60,84 64,00
6 7,8 8,2 63,96 60,84 67,24
7 7,6 8,2 62,32 57,76 67,24
8 7,8 8,4 65,52 60,84 70,56
9 8,0 8,4 67,20 64,00 70,56
10 7,6 8,0 60,80 57,76 64,00
11 7,8 8,0 62,40 60,84 64,00
12 8,0 8,5 68,00 64,00 72,25
13 8,0 8,4 67,20 64,00 70,56
14 7,6 8,0 60,80 57,76 64,00
15 8,5 8,5 72,25 72,25 72,25
16 8,0 8,4 67,20 64,00 70,56
17 7,8 8,4 65,52 60,84 70,56
18 7,8 8,2 63,96 60,84 67,24
19 7,8 8,5 66,30 60,84 72,25
20 7,8 8,0 62,40 60,84 64,00
Jumlah 156,5 164,8 1289,99 1225,45 1358,76
Dari tabel diatas maka diperoleh :
∑X = 156,5
∑Y = 164,8
∑XY = 1289,99
∑X2 = 1225,45
∑Y2 = 1358,76

21. 18
Maka, nilai koefisien korelasinya yaitu :
𝑟 =
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
√{ 𝑛 ∑ 𝑋2 − (∑ 𝑋)2}{ 𝑛 ∑ 𝑌2 − (∑ 𝑌)2}
=
20(1289,99)− (156,5)(164,8)
√{20(1225,45)− (156,5)2}{20(1358,76) − (164,8)2}
=
25799,8 − 25791,2
√(16,75)(16,16)
=
8,6
16,45
= 0,522722
Dengan nilai koefisien relasinya 0,52 terletak antara 0,52 dan 0,54, maka terdapat
hubungan positif yang sangat kuat antara besarnya nilai praktek dan nilai teori.
Maka, nilai koefisien determinasi yaitu :
r2 = (0,522722)2 = 0,273238= 27,32%
Penjelasan :
r2 = 0,522722 artinya 0,273238 atau 27,32% diantara keragaman total nilai-nilai
Y dapat dijelaskan oleh hubungan lineaarnya dengan nilai-nilai X terhadap naik
turunnya Y adalah 27,32% sedangkan 72,68% disebabkan oleh faktor lain.

22. 19
3.4 Analisis Korelasi dan Regresi dengan Excel
1. Untuk dapat menggunakan perintah data analisis
o Aktifkan program Microsoft Excel hingga terdapat worksheet kosong.
o Klik File, Klik Menu Options,
o Sebuah kotak dialog Excel Options ditampilkan, dan klik menu add-ins,
o Dibagian bawah terdapat kotak Manage: Excel Add-ins. Klik icon Go.
o Check list Anaylsis Tool Pak dan klik Go
2. Regresi
Langkah-langkahnya:
1. Ketik data X pada kolom B dan data Y pada kolom C
2. Pilih Tools pada menu utama
3. Pilih Data Analysis
4. Pilih Regression
5. Klik OK
Setelah muncul kotak dialog
 Pada input Y range , sorot pada range C3:C12
 Pada input X range, sorot pada range B3:B12
 Pada ouput range ,ketik F3
 Klik OK

23. 20

24. 21
3. Korelasi
Langkah-langkahnya:
1. Pilih Data pada menu utama
2. Pilih Data analysis
3. Pilih Correlation
4. Klik OK
Setelah muncul kotak dialog
 Pada Input Range, sorot pada range B3:C12
 Pada Output Range, ketik F3
 Klik OK

25. 22
Nilai koefisien korelasi antara variabel X dan Y adalah 0,522

26. 23
3.5 Analisa regresi dan korelasi dengan SPSS
Langkah-langkahnya:
1. Klik Analyze
2. Klik regressi, pilih Linear
3. Klik variabel x lalu masukkan pada kotak Independent
4. Klik variabel y lalu masukkan pada kotak Dependent
5. Klik Statistics, pilih Estimates, Model fit, Descriptive
6. Klik Continue
7. Klik Plot, pilih Normal probability plot.
8. Kilk Continue
9. Klik Save , pada Predicted value anda pilih Unstandardized
10. Klik Continue
11. Klik OK

27. 24
Variabel View
Data View

28. 25
Lankah-langkah

29. 26
Output/Hasil
Descriptive Statistics
Mean Std. Deviation N
Praktek 8,2400 ,20622 20
Teori 7,8250 ,20995 20
Correlations
Praktek Teori
Pearson Correlation Praktek 1,000 ,523
Teori ,523 1,000
Sig. (1-tailed) Praktek . ,009
Teori ,009 .
N Praktek 20 20
Teori 20 20
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,523a
,273 ,233 ,18062
a. Predictors:(Constant),Teori
b. DependentVariable:Praktek

30. 27
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,221 1 ,221 6,767 ,018b
Residual ,587 18 ,033
Total ,808 19
a. DependentVariable:Praktek
b. Predictors:(Constant),Teori
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 4,222 1,545 2,733 ,014
Teori ,513 ,197 ,523 2,601 ,018
a. DependentVariable:Praktek

31. 28
BAB IV PENUTUP
4.1 Kesimpulan
Analisis regresi berbeda dengan analisis korelasi. Jika analisi korelasi
digunakan untuk melihat hubungan dua variabel, maka analisis regresi digunakan
untuk melihat pengaruh variabel bebas terhadap variabel terikat (tidak bebas) serta
memprediksi nilai variabel terikat dengan menggunakan variabel bebas.
Dalam analisis regresi variabel bebas berfungsi untuk menerangkan
(explanatory) sedangkan variabel terikat (tidak bebas) berfungsi sebagai yang
diterangkan (the explained).
3.2 Saran
Adapun saran dalam penulisan makalah ini adalah sebagai berikut :
1. Bagi pembaca yang ingin melanjutkan makalah ini dapat menambahkan
penaksiran kesalahan baku.
2. Pembaca yang ingin melanjutkan dapat memperbanyak data atau contoh
lain sehingga lebih bagus lagi.
3. Dalam menghitung regresi dan korelasi diperlukan ketelitian agar
hipotesis yang di buat dapat di terima

32. 29
4.3. Daftar Pustaka
a. Sumber Buku
1. Riana, Dwisa. 2012. Statistika Deskriptif Itu Mudah. Ed.I. Tangerang:
Jelajah Nusa.
2. Komputer, Wahana. 2010. Mudah Belajar Statistik dengan SPSS 18.
Ed.I. Yogyakarta: ANDI.
b. Sumber Internet
1. Hidayat, Anwar. 2012. KORELASI REGRESI – Penjelasan dan
Tutorial – Lengkap
https://www.statistikian.com/2012/08/korelasi.html.
2. Huang, Hidayat. 2018. Analisis Regresi Sederhana, Ini Penjelasannya.
http://www.globalstatistik.com/analisis-regresi-sederhana-ini-
penjelasannya/
3. Kho, Dickson. 2018. Pengertian dan Analisis Korelasi Sederhana
dengan Rumus Pearson. https://teknikelektronika.com/pengertian-
analisis-korelasi-sederhana-rumus-pearson/