Scatter diagram adalah gambaran yang menunjukkan kemungkinan hubungan
(korelasi) antara pasangan dua macam variabel dan menunjukkan keeratan
hubungan antara dua variabel tersebut yang sering diwujudkan sebagai koefisien korelasi. Scatter diagram juga dapat digunakan untuk mengecek apakah suatu variabel dapat digunakan untuk mengganti variabel yang lain.
Dikatakan juga bahawa Scatter diagram menunjukan hubungan antara dua variabel. Scatter diagram sering digunakan sebagai analisis tindak lanjut untuk menentukan apakah penyebab yang ada benar-benar memberikan dampak kepada karakteristik kualitas. Pada contoh terlihat scatter diagram yang menggambarkan plot pengeluaran untuk iklan dengan penjualan perusahaan yang mengindikasikan hubungan kuat positif diantara dua variabel. Jika pengeluaran untuk iklan meningkat, penjualan cenderung meningkat.
Pada umumnya, bila kita berbicara tentang hubungan antara dua jenis data, kita sesungguhnya membicarakan tentang : 1. Hubungan penyebab dan akibatnya. 2. Hubungan antara satu penyebab dengan penyebab lainnya. 3. Hubungan antara satu penyebab dengan dua penyebab.
Jika kita menggambarkan pada sumbu vertikal akibatnya dan pada sumbu horisontal penyebabnya, maka kita akan mendapatkan sebuah peta yang disebut dengan scatter diagram.
Cara untuk membuat scatter diagram adalah sebagai berikut : 1. Kumpulkan pasangan data (x,y) yang akan dipelajari hubungannya serta susunlah data itu dalam tabel. Diperlukan untuk mempunyai paling sedikit 30 pasangan data. 2. Tentukan nilai-nilai maksimum dan minimum untuk kedua variabel x dan y. Buatlah skala pada sumbu horizontal dan vertikal dengan ukuran yang sesuai agar diagram akan menjadi lebih mudah untuk dibaca. Apabila kedua variabel yang akan dipelajari itu adalah karakteristik kualitas dan faktor yang mempengaruhinya, gunakan sumbu horizontal, x, untuk faktor yang mempengaruhi karakteristik kualitas dan sumbu vertikal, y, untuk karakteristik kualitas. 3. Tebarkan (plot) data pada selembar kertas. Apabila dijumpai data bernilai sama dari pengamatan yang berbeda, gambarkan titik-titik itu seperti lingkaran konsentris (.), atau plot titik kedua yang bernilai sama itu disekitar titik pertama. 4. Berikan informasi secukupnya agar orang lain dapat memahami diagram tebar itu. Informasi yang biasa diberikan adalah : Interval waktu Banyaknya pasangan data (n). Judul dan unit pengukuran dari setiap variabel pada garis horizontal dan vertikal. Judul dari grafik itu. Apabila dipandang perlu dapat mencantumkan nama dari orang yang membuat diagram tebar itu. Pembacaan scatter diagram yang benar harus mengarah kepada tindakan yang tepat. Untuk mempelajari kemampuan membaca yang benar dapat diuraikan secara umum seperti dibawah ini :
Keterangan : Pertambahan dalam y tergantung pada pertambahan dalam x. Bila x dikendalikan, y terkendali pula. Bila x bertambah, y akan bertambah beberapa, tetapi y seolaholah mempunyai penyebab selain dari x. Tidak terdapat korelasi. Pertambahan dalam x menyebabkan kecenderungan untuk penurunan y. Pertambahan dalam x akan menyebabkan penurunan Y. Oleh sebab itu, apabila x dikendalikan maka y terkendali pula.
REGRESI LINEAR
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.
Secara umum regresi linear terdiri dari dua, iaitu regresi linear sederhana dan regresi linear berganda. Regresi linear sederhana ialah satu buah variabel bebas dan satu buah variabel terikat manakala regresi linear berganda teridiri daripada beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian- penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).
Regresi Linear Sederhana
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah: Y = a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat kartesius.
Langkah penghitungan analisis regresi dengan menggunakan program SPSS adalah: Analyse --> regression --> linear. Pada jendela yang ada, klik variabel terikat lalu klik tanda panah pada kota dependent. Maka variabel tersebut akan masuk ke kotak sebagai variabel dependen. Lakukan dengan cara yang sama untuk variabel bebas (independent). Lalu klik OK dan akan muncul output SPSS.
Regresi Linear Berganda
Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah: Y = a + b 1 X 1 + b 2 X 2 + .... + b n X n .
Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing variabel bebas.
Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:
Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3
1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat 2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat. 3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-hati. Jika pengukuran variabel dengan menggunakan skala Likert antara 1 sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika variabel motivasi, kompensasi dan kepemimpinan bernilai nol, sebagai ketiga variabel tersebut tidak mungkin bernilai nol karena Skala Likert terendah yang digunakan adalah 1.
Analisis regresi linear berganda memerlukan pengujian secara serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol (diasumsikan polisis dan pistol secara serempak membuat takut penjahat). Akan tetapi secara parsial, pistol tidak membuat takut seorang penjahat. Contoh lain: air panas, kopi dan gula menimbulkan kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan kenikmatan.
Penggunaan metode analisis regresi linear berganda memerlukan asumsi klasik yang secara statistik harus dipenuhi. Asumsi klasik tersebut meliputi asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas (akan dibahas belakangan).
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan regresi sebaiknya dilakukan di akhir analisis karena interpretasi terhadap persamaan regresi akan lebih akurat jika telah diketahui signifikansinya. Koefisien determinasi sebaiknya menggunakan adjusted R Square dan jika bernilai negatif maka uji F dan uji t tidak dapat dilakukan.
Regresi Linear dengan Variabel Moderating Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan moderating antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.
Regresi Linear dengan Variabel Intervening
Variabel intervening adalah variabel antara atau variabel mediating. Model regresi dengan variabel intervening merupakan hubungan bertingkat sehingga jika dengan analisis regresi harus menggunakan analisis jalur (path analysis) atau disarankan menggunakan metode structural equation modelling (SEM). Metode SEM akan dibahas belakangan dengan menggunakan Program AMOS atau LISREL.
Regresi dengan variabel intervening dipergunakan untuk melihat pengaruh tidak langsung antara satu variabel terhadap variabel yang lain. Sebagai contoh: Gaya Evaluasi Atasan (GEA) mempunyai pengaruh terhadap Kinerja Manajerial (KM) melalui Tekanan Kerja (TK). GEA mempunyai pengaruh langsung terhadap KM tetapi juga bisa mempunyai pengaruh tidak langsung terhadap KM melalui TK. GEA diinterpretasikan mempunyai pengaruh tidak langsung terhadap KM melalui TK jika pengaruh GEA terhadap TK signifikan dan pengaruh TK terhadap KM juga signifikan. Dalam suatu kasus bisa saja variabel mempunyai pengaruh langsung terhadap suatu variabel dan pengaruh tidak langsung terhadap variabel tersebut melalui variabel yang lain.
Cara Membuat Scatter Diagram 1. Tentukan faktor-faktor yang akan diamati, misalnya A dan B (faktor sebab vs akibat atau akibat 1 vs akibat 2 atau sebab 1 vs sebab 2). Pedoman : salah satu variabel / faktor ditempatkan sebagai Variabel Independen (PENYEBAB), yang di dalam diagram ditempatkan pada Sumbu X, variabel lainnya sebagai Variabel Dependen (AKIBAT), yang ditempatkan pada Sumbu Y. 2. Tetapkan waktu pengamatan dan kumpulkan sejumlah data (umumnya > 30). 3. Gambarkanlah Sumbu X dan Sumbu Y dalam kertas diagram atau millimeterpaper 4. Tetapkanlah bidang bujur sangkar untuk menempatkan seluruh data yang dikumpulkan dengan cara : Tentukan Nilai Tertinggi dan Nilai Terendah masing-masing data. Hitunglah bedanya, dan tetapkan skalanya, baik sumbu X, maupun sumbu Y. Masukkan data, dimulai pada sumbu X (penyebab) dan pada sumbu Y (akibat). RUMUS : Cara mendapatkan Koefisien Korelasi ( r ) adalah sbb:
r= Koefisien Korelasi n= Banyaknya Pasangan Data X dan Y x=Jumlah Nilai Variabel X y=Jumlah Nilai Variabel Y x 2 =Jumlah Kuadrat Nilai Variabel X y 2 =Jumlah Kuadrat Nilai Variabel X Range = -1 r +1 r mendekati + 1 = Variabel X dan Y memiliki korelasi Positif Kuat r mendekati 1 = Variabel X dan Y memiliki korelasi Negatif Kuat r mendekati 0 = Variabel X dan Y memiliki korelasi Sangat Lemah Dalam penentuan penyebab Dominan, maka nilai Koefisien Korelasi yang menentukan penyebab dominan adalah : r 0,501
Kesimpulan yang dapat ditarik adalah Pencapaian SLS berhubungan langsung dengan peningkatan pencapaian penjualan di cabang XYZ selama tahun 2005. Oleh karena itu SLS perlu selalu dijaga dan ditingkatkan performancenya karena akan berakibat positif pada penjualan.