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.