KORELASI

Merupakan teknik statistik yang digunakan untuk meguji ada/tidaknya hubungan serta arah hubungan dari
dua variabel atau lebih
Korelasi yang akan dibahas dalam pelatihan ini adalah :
1. Korelasi sederhana pearson & spearman
2. Korelasi partial
3. Korelasi ganda.

KOEFISIEN KORELASI
Besar kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut Koefisien Korelasi
a. Besarnya Koefisien korelasi antara -1 0 +1
b. Besaran koefisien korelasi -1 & 1 adalah korelasi yang sempurna
c. Koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan antara dua variabel yang diuji

ARAH HUBUNGAN
a. Positif (Koefisien 0 s/d 1)
b. Negatif (Koefisien 0 s/d -1)
c. Nihil (Koefisien 0)

PEARSON CORRELATION
Digunakan untuk data interval & rasio
Distribusi data normal
Terdiri dari dua variabel
1 Variabel X (Independen)
1 Variabel Y (dependen)
CONTOH
Judul: Hubungan antara intensitas belajar dengan prestasi mata kuliah statistik
Variabel X : Intensitas belajar (diukur dari lamanya belajar dalam satu minggu)
Variabel Y : Prestasi matakuliah statistik (diukur dari nilai ujian akhir semester)
Hipotesa:
H0: Tidak ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik
Ha: Ada hubungan antara Intenitas belajar dengan prestasi mata kuliah statistik

INPUT DATA KE SPSS

Input Data ke SPSS

SPSS
Ada dua view dalam SPSS
a. Data View : digunakan untuk memasukkan data yang akan dianalisis
b. Variabel View : digunakan untuk memberi nama variabel dan pemberian koding.

UJI NORMALITAS

Uji Normalitas SPSS

Normalitas Plot SPSS

INTERPRESTASI NORMALITAS

TAHAP ANALISIS

INTERPRETASI
Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
1. Koefisien Korelasi dibandingkan dengan nilai r tabel (korelasi tabel)
Apabila Koefisien Korelasi > r tabel, Maka ada korelasi yang signifikan (Ha Diterima)
Apabila Koefisien Korelasi < r tabel, Maka tidak ada korelasi yang signifikan (H0 Diterima)

2. Melihat Sig.
Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (Ha Diterima)
Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0 Diterima)

Arah hubungan:
Dilihat dari tanda koefisien korelasi
Tanda (-) berarti apabila variabel X tinggi maka variabel Y rendah
Tanda (+) berarti apabila variabel X tinggi maka variabel Y juga tinggi

SPEARMAN
a. Digunakan untuk jenis data ordinal
b. Cara analisis dan interpretasi sama dengan Pearson.
c. Perbedaan hanya pada waktu memilih box yang diaktifkan adalah box spearman.

KORELASI PARTIAL
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel
dependen dan dilakukan pengendalian pada salah satu variabel independennya
CONTOH
Judul: Hubungan antara biaya promosi dan penjualan dengan mengendalikan jumlah outlet
Variabel X1: Biaya Promosi
Variabel X2: Jumlah outlet (dikendalikan)

Variabel Y: Penjualan
Hipotesa:
H0: Tidak ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikan
Ha: Ada hubungan antara biaya promosi dengan penjualan apabila jumlah outlet dikendalikan

CONTOH
Buka data : Korelasi ganda dan partial.sav Data
ANALISIS

KORELASI PARTIAL

OUTPUT PARTIAL

KORELASI GANDA
Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independen dengan satu variabel
dependen secara bersamaan.

CONTOH
Judul: Hubungan antara biaya promosi dan jumlah outlet dengan penjualan
Variabel X1: Biaya Promosi
Variabel X2: Jumlah outlet
Variabel Y: Penjualan

Hipotesa:
H0: Tidak ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan
Ha: Ada hubungan antara biaya promosi dan jumlah outlet dengan penjualan

CONTOH
Buka data : Korelasi ganda dan partial.sav Data

KORELASI GANDA

INTERPRETASI KORELASI GANDA

a. Untuk menginterpretasi korelasi ganda lihat nilai R, semakin mendekati 1 maka korelasi semakin kuat
b. Guna memperkaya analisis, sebelum dianalisis korelasi ganda dapat juga ditambahkan analisis korelasi
pada masing-masing variabel independen dengan variabel dependen (caranya sama dengan analisis korelasi
pearson.

REGRESI
a. Analisis regresi adalah analisis lanjutan dari korelasi
b. Menguji sejauh mana pengaruh variabel independen terhadap variabel dependen setelah diketahui ada
hubungan antara variabel tersebut
c. Data harus interval/rasio
d. Data Berdistribusi normal.
Yang akan dibahas dalam pelatihan ini adalah:
a. Regresi sederhana: yaitu regresi untuk 1 variabel independen dengan 1 variabel dependen
b. Regresi ganda: yaitu regresi untuk lebih dari satu variabel independen dengan 1 variabel dependen.

REGRESI SEDERHANA
Buka data : Pearson.sav Data

INTERPRETASI REGRESI SEDERHANA

Output 1

Lihat nilai R = 0,843 ini berarti bahwa korelasi antara variabel X dengan Y adalah 0,843

INTERPRETASI REGRESI SEDERHANA

OTPUT 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 81,329 dan dibandingkan
dengan F tabel

Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi

Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi

Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. <
0,05

INTERPRETASI REGRESI SEDERHANA

OUTPUT 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.

Constan = 38,481 dan intensitas belajar= 2,978

Berarti persamaan garisnya adalah: Y=38,481 + 2,978 X.

REGRESI GANDA

Digunakan untuk analisis regresi dengan jumlah variabel independen lebih dari satu dengan satu
variabel dependen

Ada tambahan asumsi yang harus dipenuhi, yaitu tidak boleh ada korelasi antar variabel-variabel
independennya (multikolinearitas)

CONTOH
Buka data : Korelasi ganda dan partial.sav

INTERPRETASI REGRESI GANDA

Output 1

Lihat nilai R = 0,976 ini berarti bahwa korelasi antara variabel X1dan X2secara bersamaan dengan Y adalah
0,976.

INTERPRETASI REGRESI GANDA

Output 2

Untuk melihat signifikansi persamaan regresi dapat dilihat dari nilai F = 118,294 dan dibandingkan dengan F
tabel

Apabila nilai F < F tabelmaka persamaan garis regresi tidak dapat digunakan untuk prediksi

Apabila nilai F > F tabelmaka persamaan garis regresi dapat digunakan untuk prediksi

Selain itu dapat pula dengan melihat nilai Sig. dapat digunakan untuk prediksi apabila nilai Sig. <
0,05

INTERPRETASI REGRESI GANDA

Output 3

Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.

Constan = 64,639

Biaya promosi= 2,342

Jumlah Outlet= 0,535

Berarti persamaan garisnya adalah: Y=64,639 + 2,342 biaya promosi + 0,535 Jumlah Outlet

INTERPRETASI REGRESI GANDA

Output 4

Identifikasi kolinieritas dapat dilakukan dengan melihat:

Output 3, Kolom VIF. : terjadi kolinearitas apabila nilai VIF > 5

Output 4, Kolom eugenvalue: terjadi kolinearitas apabila nilai eugenvalue mendekati 0

Output 4, Kolom condition index: terjadi kolinearitas apabila nilai condition index > 15. Dikatakan
parah apabila > 30