Dokumen ini membahas analisis regresi dan korelasi, termasuk jenis-jenis regresi seperti regresi sederhana, berganda, logistik, ordinal, multinomial, dan data panel. Ia juga menjelaskan tentang koefisien korelasi serta berbagai jenis korelasi, seperti korelasi sederhana, parsial, dan ganda, untuk menganalisis hubungan antar variabel. Metode ini digunakan untuk memahami pola hubungan dan pengaruh antar variabel dalam konteks penelitian statistik.

1. ANALISIS
REGRESI DAN
KORELASI
M I R A A R Y U N I
1 8 4 2 1 0 5 6 9

2. REGRESI
• Regresi secara umum adalah sebuah alat statistik yang memberikan
penjelasan tentang pola hubungan model antar dua variable atau lebih
• Dalam analisis regresi dikenal 2 jenis variabel yaitu:
1.Variabel Respon disebut juga variabel dependen yaitu variabel
yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan
dengan variabel.
2.Variabel Prediktor disebut juga dengan variabel independen yaitu
variabel yang bebas (tidak dipengaruhi oleh variabel lainnya)
• Regresi linier terdiri dari dua bentuk, yaitu:
1.Analisis regresi sederhana (Simple analysis regresi)
2. Analisis regresi berganda (Multiple analysis regresi)

3. REGRESI SEDERHANA
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu
bebas dan tak bebas.
Y = a + bX
Persamaan umum regresi linier sederhana adalah:
Dimana:
Y= subyek dalam variabel dependen yang diprediksikan
a = harga Y bila X = 0 (harga konstan)
b= angka arah atau koefisien regresi, yang menunjukkan
angka peningkatan ataupun penurunan variabel dependen
yang didasarkan pada variabel independen.

4. REGRESI BERGANDA
Regresi berganda adalah model regresi atau prediksi yang
melibatkan lebih dari satu variabel bebas atau prediktor. Istilah
regresi berganda dapat disebut juga dengan istilah multiple
regression. Kata multiple berarti jamak atau lebih dari satu
variabel.

5. JENIS REGRESI BERGANDA
• Regresi Linear Berganda
Regresi Linear Berganda adalah model regresi berganda jika variabel terikatnya
berskala data interval atau rasio (kuantitatif atau numerik). Sedangkan variabel bebas pada
umumnya juga berskala data interval atau rasio. Namun ada juga regresi linear dimana
variabel bebas menggunakan skala data nominal atau ordinal, yang lebih lazim disebut
dengan istilah data dummy. Maka regresi linear yang seperti itu disebut dengan istilah
linear dengan variabel dummy.
Contoh regresi berganda jenis ini adalah: “pengaruh DER dan NPM terhadap Return
• Regresi Logistik Berganda
Regresi Logistik berganda adalah model regresi berganda jika variabel terikatnya
adalah data dikotomi. Dikotomi artinya dalam bentuk kategorik dengan jumlah kategori
sebanyak 2 kategori. Misal: Laki-laki dan perempuan, baik dan buruk, ya dan tidak, benar
salah serta banyak lagi contoh lainnya. Sedangkan variabel bebas jenis regresi berganda ini
pada umumnya adalah juga variabel dikotomi. Namun tidak masalah jika variabel dalam
data interval, rasio, ordinal maupun multinomial.
Contoh regresi berganda jenis ini adalah: pengaruh rokok dan jenis kelamin terhadap
kejadian kanker paru. Dimana rokok kategorinya ya dan tidak, jenis kelamin kategorinya
laki dan perempuan, sedangkan kejadian kanker paru kategorinya ya dan tidak.

6. • Regresi Ordinal berganda
Regresi berganda jenis ini adalah analisis regresi dimana variabel terikat adalah berskala data ordinal.
Sedangkan variabel bebas pada umumnya juga ordinal, namun tidak masalah jika variabel dengan skala data
yang lain, baik kuantitatif maupun kualitatif. Keunikan regresi ini adalah jika variabel bebas adalah data
atau kualitatif, maka disebut sebagai faktor. Sedangkan jika data numerik atau kuantitatif, maka disebut sebagai
covariates.
Contoh regresi berganda jenis ini adalah: pengaruh tingkat penghasilan dan usia terhadap tingkat
pengetahuan terhadap IT. Dimana tingkat penghasilan sebagai faktor dengan kategori: rendah, menengah dan
tinggi. Usia sebagai covariates dengan skala data numerik. Dan tingkat pengetahuan terhadap IT sebagai
terikat berskala data ordinal dengan kategori: baik, cukup dan kurang.
• Regresi Multinomial Berganda
Regresi multinomial berganda adalah jenis regresi dimana variabel terikat adalah data nominal
jumlah kategori lebih dari 2 (dua) dan variabel bebas ada lebih dari satu variabel.
Jenis regresi ini hampir sama dengan regresi logistik berganda, namun bedanya adalah variabel terikat
kategorinya lebih dari dua, sedangkan regresi logistik berganda variabel terikatnya mempunyai kategori hanya
dua (dikotomi).
Regresi ini juga mirip dengan regresi ordinal, hanya saja bedanya skala data pada regresi ini tidak
bertingkat (bukan ordinal) atau dengan kata lain tidak ada yang lebih baik atau lebih buruk.
Contoh regresi ini adalah: Pengaruh Pendidikan Orang Tua dan Penghasilan Orang Tua terhadap
jurusan kuliah. Dimana pendidikan dan penghasilan orang tua berskala data ordinal dan pilihan jurusan kuliah
adalah variabel berskala data nominal lebih dari dua kategori, yaitu: jurusan kesehatan, hukum, sosial, sastra,
pendidikan, lain-lain.

7. • Regresi Data Panel
Regresi Data Panel adalah gabungan antara data cross section dan
data time series, dimana unit cross section yang sama diukur pada waktu
yang berbeda. Maka dengan kata lain, data panel merupakan data dari
beberapa individu sama yang diamati dalam kurun waktu tertentu. Jika kita
memiliki T periode waktu (t = 1,2,…,T) dan N jumlah individu (i = 1,2,…,N),
maka dengan data panel kita akan memiliki total unit observasi sebanyak
Jika jumlah unit waktu sama untuk setiap individu, maka data
disebut balanced panel. Jika sebaliknya, yakni jumlah unit waktu berbeda
untuk setiap individu, maka disebut unbalanced panel.
Sedangkan jenis data yang lain, yaitu: data time-series dan
section. Pada data time series, satu atau lebih variabel akan diamati pada
unit observasi dalam kurun waktu tertentu. Sedangkan data cross-
section merupakan amatan dari beberapa unit observasi dalam satu titik
waktu. Umumnya pendugaan parameter dalam analisis regresi dengan
data cross section dilakukan menggunakan pendugaan metode kuadrat

8. KORELASI
Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan
dua peubah atau lebih yang digambarkan oleh besarnya koeefisien korelasi.
Koefisien korelasi adalah koefisien yang menggambarkan tigkat keeratan
hubungan antar dua peubah atau lebih. Besaran dari koefisien korelasi tidak
menggambarkan hubungan sebab akibat antara dua peubah atau lebih, tetapi
semata-mata menggambarkan keterkaitan linier antar peubah
Nilai dari koefisien korealsi berkisar antara -1 sampai dengan 1.
• -1 terdapat hubungan negative (berkebalikan) yang sempurna
• 0 tidak terdapat hubungan sama sekali
• 1 terdapat hubungan positif yang sempurna
Metode pengukuran korelasi berupa Korelasi Pearson, Tau Kendall dan
Spearman.

9. JENIS KORELASI
• Korelasi Sederhana
Korelasi Sederhana merupakan suatu teknik statistik yang
untuk mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat
mengetahui bentuk hubungan keduanya dengan hasil yang bersifat
Kekuatan hubungan antara 2 variabel yang dimaksud adalah apakah
tersebut erat, lemah, ataupun tidak erat. Sedangkan bentuk hubungannya
adalah apakah bentuk korelasinya linear positifataupun linear negatif.
• Korelasi Parsial
Korelasi parsial adalah suatu metode pengukuran keeratan hubungan
(korelasi) antara variabel bebas dan variabel tak bebas dengan mengontrol
salah satu variabel bebas untuk melihat korelasi natural antara variabel yang
tidak terkontrol. Analisis korelasi parsial (partial correlation) melibatkan dua
variabel. Satu buah variabel yang dianggap berpengaruh akan dikendalikan

10. • Korelasi Ganda
Korelasi ganda adalah bentuk korelasi yang digunakan
untuk melihat hubungan antara tiga atau lebih variabel (dua
atau lebih variabel independen dan satu variabel dependent.
Korelasi ganda berkaitan dengan interkorelasi variabel-
independen sebagaimana korelasi mereka dengan variabel
dependen.