Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel

terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent
Variable (variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat).
Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut
sebagai persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut
sebagai persamaan regresi berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua
variabel. Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan
positif, mempunyai hubungan negatif dan tidak mempunyai hubungan.

Analisis diskriminan linear (bahasa Inggris: linear discriminant analysis, disingkat LDA) adalah generalisasi
diskriminan linear Fisher, yaitu sebuah metode yang digunakan dalam ilmu statistika, pengenalan pola
dan pembelajaran mesin untuk mencari kombinasi linear fitur yang menjadi ciri atau yang memisahkan
dua atau beberapa objek atau peristiwa. Kombinasi yang diperoleh dapat dijadikan pengklasifikasi linear,
atau biasanya digunakan untuk proses reduksi dimensionalitas sebelum pengklasifikasian.

Metode ini sangat terkait dengan analisis variansi (ANOVA) dan analisis regresi, yang juga mencoba
untuk menyatakan suatu variabel dependen sebagai suatu kombinasi linear fitur-fitur atau pengukuran-
pengukuran lainnya. Namun, ANOVA menggunakan variabel independen kategoris dan variabel
dependen yang kontinu, sementara analisis diskriminan memiliki variabel independen yang kontinu dan
variabel dependen yang kategoris.[3] Regresi logistik dan regresi probit lebih mirip dengan LDA daripada
ANOVA, karena keduanya juga mencoba menjelaskan variabel kategoris dari nilai variabel independen
kontinu.

LDA juga terkait dengan analisis komponen utama dan analisis faktor karena sama-sama mencari
kombinasi linear variabel-variabel yang terbaik dalam menjelaskan data.[4] LDA secara eksplisit mencoba
memodelkan perbedaan antara kelas-kelas data. PCA di sisi lain tidak mempertimbangkan perbedaan
kelas, dan analisis faktor membangun kombinasi fitur berdasarkan perbedaan daripada kesamaan.
Analisis diskriminan juga berbeda dari analisis faktor karena analisis diskriminan bukan teknik yang
interdependen: perbedaan antara variabel independen dan dependen harus ditetapkan.

LDA berfungsi jika pengukuran yang dilakukan terhadap variabel-variabel independen untuk setiap
pengamatan merupakan kuantitas yang kontinu. Jika yang dihadapi adalah variabel independen
kategoris, teknik yang serupa adalah analisis korespondensi diskriminan.

Analisis Runtun Waktu (Time-Series Analysis)

Analisis runtun waktu adalah suatu metode kuantitatif untuk menentukan pola data masa lalu yang telah
dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan yang
menjelaskan bahwa deretan observasi pada suatu variabel dipandang sebagai realisasi dari variabel
random berdistribusi bersama. Gerakan musiman adalah gerakan rangkaian waktu yang sepanjang tahun
pada bulan-bulan yang sama yang selalu menunjukkan pola yang identik. contohnya: harga saham,
inflasi. Gerakan random adalah gerakan naik turun waktu yang tidak dapat diduga sebelumnya dan
terjadi secara acak contohnya: gempa bumi, kematian dan sebagainya.

Asumsi yang penting yang harus dipenuhi dalam memodelkan runtun waktu adalah asumsi
kestasioneran artinya sifat-sifat yang mendasari proses tidak dipengaruhi oleh waktu atau proses dalam
keseimbangan. Apabila asumsi stasioner belum dipenuhi maka deret belum dapat dimodelkan. Namun,
deret yang nonstasioner dapat ditransformasikan menjadi deret yang stasioner.

CONTOH

Analisis Regresi

Analisis Korelasi

Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seseorang dengan pengeluaran

(konsumsi) per bulan. Data dari 6 orang yang diwawancarai diperoleh data sebagai berikut:

X (pendapatan) : 800 900 700 600 700 800 (ribuan)

Y (konsumsi) : 300 300 200 100 200 200 (ribuan)

Untuk menghitung koefisien korelasi maka disusun tabel bantu sebagai berikut:

Tabel . Tabel Bantu Analisis Korelasi Product Moment

n X Y X2 Y2 XY

1 800 300 640.000 90.000 240.000

 n X Y X2 Y2 XY

2 900 300 810.000 90.000 270.000

3 700 200 490.000 40.000 140.000

4 600 100 360.000 10.000 60.000

5 700 200 490.000 40.000 140.000

6 800 200 640.000 40.000 160.000

4.500 1.300 3.430.000 310.000 1.010.000

Berdasarkan tabel bantu tersebut diperoleh nilai-nilai:

X = 4.500

Y = 1.300

X2 = 3.430.000

Y2 = 310.000

XY = 1.010.000

n=6

Untuk menghitung koefisien korelasi, maka nilai-nilai tersebut dimasukkan dalam rumus koefisien

korelasi sebagai berikut.

r =

=
 =

= 0,886621

Jadi diperoleh nilai koefisien korelasi ( r ) sebesar 0,886621 karena nilainya positif dan mendekati 1

berarti hubungan konsumsi dan pendapatan kuat dan searah (positif), artinya peningkatan

pendapatan seseorang akan diikuti dengan peningkatan pengeluaran (konsumsi).

Uji Hipotesis Hubungan (Uji Signifikan)

Pengujian hipotesis hubungan digunakan uji statistik yang disebut Uji t (t-student).

Parameter yang diuji yaitu korelasi dinotasikan dengan (lihat bab Estimasi Parameter). Uji hipotesis

hubungan pada dasarnya adalah menguji signifikansi koefisien korelasi, apakah besar kecilnya

hubungan yang diperoleh itu kebetulan saja atau memang ada hubungan yang sesungguhnya.

Rumus Uji t untuk uji hubungan adalah:

t =

Selain menggunakan Uji t, pengujian hipotesis hubungan dapat menggunakan kriteria nilai korelasi

tabel (rtabel) yaitu dengan cara membandingkan nilai koefisien korelasi (r hitung) dengan nilai rtabel.

Jika rhitung > rtabel maka hubungan antar variabel signifikan

Jika rhitung rtabel maka hubungan antar variabel tidak signifikan

ANALISIS DISKRIMINAN
ANALISIS TIME SERIES