Anda di halaman 1dari 9

ANALISIS KORELASI GANDA M.

Atoillah Isfandiari, Dhiana setyorini, Sri Sumarmi

1. PENDAHULUAN Dalam penelitian setidaknya terdapat tiga macam bentuk hubungan antar variabel, yaitu hubungan simetris, hubungan sebab akibat (kausal) dan hubungan Interaktif (saling mempengaruhi). Untuk mencari hubungan antara dua variabel atau lebih dilakukan dengan menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi merupakan angka yang menunjukkan arah dan kuatnya hubungan antar variabel atau lebih. Artinya dinyatakan dalam bentuk hubungan positif atau negatif, sedangkan kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi. Hubungan dua variabel atau lebih dinyatakan positif, bila nilai satu variabel ditingkatkan, maka akan meningkatkan variabel yang lain, dan sebaliknya bila nilai satu variabel diturunkan maka akan menurunkan variabel yang lain. Sebagai contoh, ada hubungan positif antara tinggi badan dengan kecepatan lari, hal ini berarti semakin tinggi badan orang maka akan semakin cepat larinya, dan semakin pendek orang maka akan semakin lambat larinya. Hubungan dua variabel atau lebih dinyatakan negatif, bila nilai satu variabel dinaikkan maka akan menurunkan nilai variabel yang lain, dan juga sebaliknya bila nilai satu variabel diturunkan, maka akan menaikkan nilai variabel yang lain. Contoh, misalnya ada hubungan negatif antara curah hujan engan es yang terjual. Hal ini berarti semakin tinggi curah hujan, maka akan semakin sedikit es yang terjual, dan semakin sedikit curah hujan, maka akan semakin banyak es yang terjual. Kuatnya hubungan antara variabel dinyatakan dalam koefisien korelasi. Koefisien korelasi positif terbesar = 1 dan koefisien korelasi negatif terbesar adalah - 1, sedangkan yang terkecil adalah 0. Bila besarnya antara dua variabel atau lebih itu mempunyai koefisien korelasi = 1 atau -1, maka hubungan tersebut sempurna. Dalam arti kejadian-kejadian pada variabel yang satu akan dapat dijelaskan atau diprediksikan oleh variabel yang lain tanpa terjadi kesalahan (error). Makin kecil koefisien korelasi, maka akan semakin besar error untuk membuat prediksi. Besarnya koefisien korelasi dapat diketahui berdasarkan penyebaran titik-titik pertemuan antara dua variabel misalnya X dan Y. Bila titik-titik itu terdapat dalam satu garis,

maka koefisien korelasinya =1 atau -1. Bila titik-titik itu membentuk lingkaran, maka koefisien korelasinya = 0.

Terdapat bermacam-macam teknik Statistik Korelasi yang dapat digunakan untuk menguji hipotesis asosiatif. Teknik korelasi mana yang akan dipakai tergantung pada jenis daa yang akan dianalisis. Berikut ini dikemukakan berbagai teknik statistik korelasi yang digunakan untuk menguji hipotesis asosiatif. Untuk data nominal dan ordinal digunakan statistik Non-parametris dan untuk data interval dan ratio digunakan statistik Parametris. Ada beberapa macam uji korelasi, misalnya korelasi sederhana Pearson dan Spearman, korelasi parsial, dan yang akan dibahas dalam makalah ini adalah korelasi ganda. Besar nilai korelasi dari suatu atau beberapa variabel bebas dengan variabel terikat tersebut dinyatakan dalam koefisien korelasi. Koefisien korelasi adalah besar kecilnya hubungan antara dua variabel yang dinyatakan dalam bentuk bilangan di mana bilangan tersebut berkisar antara -1, 0, hingga +1. Semakin mendekati angka 1, besaran koefisien korelasi antara variabel bebas dan terikat tersebut semakin sempurna, sedangkan koefisien korelasi 0 atau mendekati 0 dianggap tidak berhubungan. Sedangkan notasi + atau menunjukkan arah hubungan. T anda positif berarti korelasinya berbanding lurus, dan sebaliknya bila tanda negatif yang muncul, maka hubungan antar variabel bebas dan terikat itu berbanding terbalik. Bila koefisien korelasinya 0, maka korelasi tersebut nihil (1).

Gambar 1. Contoh grafik yang menunjukkan korelasi dari 2 variabel

Koefisien korelasi menunjukan berapa besar varians total satu variabel berhubungan dengan varians variabel lain. Hal ini berarti bahwa tiap nilai r perlu ditafsirkan posisinya dalam keterkaitan tersebut. Untuk memberikan tafsiran pada nilai koefisien korelasi, dapat digunakan referensi guilford empirical rules pada tabel 1.

Sumber : Dennis E. Hinkle. Applied Statistics for behavioural Science. Halaman :118

Statistik Parametris yang digunakan untuk menguji hipotsis asosiatif (hubungan antar variabel meliputi Korelasi Product Moment, Korelasi Ganda dan Korelasi Parsial. Teknik korelasi product moment digunakan untuk mencari hubungan dan membuktikan hipotesis hubungan dua variabel bila data kedua variabel berbentuk interval atau ratio, dan sumber data dari dua variabel atau lebih adalah sama. Korelasi parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui pengaruh atau mengetahui hubungan antara variabel independen dan dependen, dimana salah satu variabel Independennya dibuat

tetap/dikendalikan. Jadi korelasi parsial merupakan angka yang menunjukkan arah dan kuatnya hubungan antara dua variabel setelah satu variabel yang diduga dapat mempengaruhi hubungan variabel tersebut dikendalikan untuk dibuat tetap keberadaannya. Adapun analisis Korelasi ganda (multiple correlation) adalah suatu uji statistik yang dilakukan untuk menganalisis korelasi antar variable independen dan variable dependen, bila kita ingin mengetahui bagaimana korelasi antara lebih dari satu variabel independen dengan variabel dependen, misalnya korelasi antara dua variabel independen Jumlah kuman BTA dalam 100 lapangan pandang (X1) dan status imun yang direpresentasikan oleh jumlah sel CD4+ (X2) secara bersama terhadap variabel dependen indeks konversi kuman pasca pengobatan fase intensif (Y) pada penderita TB yang teratur berobat. Dengan kata lain uji

statistik ini adalah untuk mencari nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih secara serentak terhadap variabel lain.

Gambar 2. Desain korelasi ganda dengan 2 variabel dan 3 variabel

Perbedaan korelasi ganda dengan korelasi parsial adalah jika dengan korelasi parsial kita ingin mengetahui koefisien korelasi yang murni dari suatu variable independen tertentu

KORELASI LINIER BERGANDA

dan tidak dipengaruhi oleh variabel yang lain, baik pada jenjang pertama, kedua dan
Ada kalanya kita ingin mengetahui bagaimana korelasi antara lebih dari satu variabel seterusnya, pada korelasi ganda kita justru ingin mengetahui korelasi beberapa variabel independen dengan variabel dependen. Misalnya korelasi antara dua variabel independen KORELASI LINIER BERGANDA gizi (X1) dan pengetahuan (X2) Dengan secara bersama terhadap variabel independen sekaliguspengetahuan bersama-sama terhadap variabelkesehatan dependen. demikian,
Ada kalanya kita bagaimana korelasi antara lebih dari satu variabel penghitungan korelasi (ganda juga memerlukan penghitungan korelasi jenjang nihil terlebih multiple correlation ). ingin mengetahui independen dengan variabel dependen. Misalnya korelasi antara dua independen Jadi, jika dalam korelasi parsial kita ingin mengetahui koefisien korelasivariabel yang murni yang dahulu. pengetahuan gizi (X1) dan pengetahuan kesehatan (X2) secara bersama terhadap variabel

dependen kemampuan apresiasi kesehatan (Y). Korelasi demikian disebut korelasi ganda

tidak dipengaruhi oleh variabel yang lain, baik pada jenjang pertama, kedua dan dependen kemampuan apresiasi kesehatan (Y). Korelasi demikian disebut korelasi ganda seterusnya, pada korelasi ganda kita mengetahui korelasi beberapa variabel Untuk melakukan analisis korelasi ganda itu justru makaingin rumus yang digunakan untuk (multiple correlation ). terhadap variabel independen. Dengan demikian, independen secara bersama Jadi, jika dalam korelasi parsial kita ingin mengetahui koefisien korelasi yang murni yang menghitung korelasi dua variabel independen dan memerlukan satu variabel dependen sebagaimana penghitungan korelasi ganda juga penghitungan korelasi jenjang nihil tidak dipengaruhi oleh variabel yang lain, baik pada jenjang pertama, kedua dan terlebih berikut dahulu. Rumus yang dipergunakan untuk menghitung korelasi ganda dengan dua contoh di atas adalah sebagai :pada korelasi seterusnya, ganda kita justru ingin mengetahui variabel independen dan satu variabel dependen, adalah sebagai korelasi berikut :beberapa variabel independen secara bersama terhadap variabel independen. Dengan demikian, 2 2 ry1 + ry 2 - 2(ryganda )(r12 memerlukan ) penghitungan korelasi penghitungan korelasi jenjang nihil 1 )( ry 2 juga R y -12 terlebih = 2 dahulu. 1 Rumus - r12 yang dipergunakan untuk menghitung korelasi ganda dengan dua variabel independen dan satu variabel dependen, adalah sebagai berikut : Ry-12ganda : Korelasi ganda antara variabel dependen dan dua variabel Independen Di mana Ry-12 : Korelasi antara variabel dependen berupa (Y) peluang terjadinya (Y) dan (X1) 2 2 ry1 + ry 2 - 2(ry1 )(ry 2 )(r12 ) dan (X2). R ydan -12 = 2 dua variabel Independen (X1) (X2). untuk1mencari Selain rumus diatas, - r12 koefisien korelasi ganda dengan dua variabel independen juga dapat mempergunakan rumus ganda berikut ini : Selain rumus diatas, untuk mencari koefisien korelasi dua variabel Ry-12 : Korelasi ganda antara variabel dependen (Y)dengan dan dua variabel Independen (X1) 2 2 R y -12 dan = (X2). 1 - 1 - ry1 1 - ry 2-1 independen juga dapat mempergunakan rumus berikut ini : Selain rumus diatas, untuk mencari koefisien korelasi ganda dengan dua variabel Misalnya : independen juga dapat mempergunakan rumus berikut ini : Tabel 1. Skor Hasil Tes Pengetahuan Gizi (X1), Pengetahuan Kesehatan (X2) Terhadap 2 2 R y -12 =apresiasi 1- 1ry1 1 - ry(Y) Kemampuan Kesehatan 2 -1 No. Misalnya Pengetahuan Pengetahuan Kemampuan : Gizi (X1) Kesehatan (X2) Kesehatan Tabel 1. Skor Hasil Tes Pengetahuan Gizi (X1), Apresiasi Pengetahuan Kesehatan (X2) Terhadap (Y) Kemampuan apresiasi Kesehatan (Y) 56 56 54 No. Pengetahuan Gizi Pengetahuan Kemampuan 2. CONTOH KASUS 1 2 58 54 52 Kesehatan (X1) Kesehatan (X2) Apresiasi Jumlah kuman3 BTA dalam60100 lapangan pandang (X1) dan(Y) status 66 62 imun yang 4 56 62 56 54 1 sel CD4+ 56 56 terhadap variabel direpresentasikan oleh5jumlah (X2) secara bersama 48 52 50 52 dependen 2 58 54 6 48 60 56 66 48 62 3 7 50 56 50 56 4 56 62 8 48 48 60 52 46 50 5 9 60 62 52 48 6 48 56 10 7 54 50 62 56 56 50

[(

)(

)]

[(

)(

)]

indeks konversi kuman pasca pengobatan fase intensif (Y) pada penderita TB yang teratur berobat

No 1 2 3 4 5 6 7 8 9 10

Jumlah kuman jumlah sel CD4+ (X2) BTA dalam 100 lapangan pandang (X1) 56 56 58 54 60 66 56 62 48 52 48 56 50 56 48 60 60 62 54 62 X1 = 538 X1 = 586 X12 = 29164 X21 = 34516 X1X2 = 31632 X2Y = 30940 X1Y = 28452

indeks konversi kuman pasca pengobatan fase intensif (Y) 54 52 62 56 50 48 50 46 52 56 Y = 526 Y2 = 27860

Dicari dengan :Dicari dengan : Dicari dengan : (n X ) - ( X 1 )( Y ) 1Y (n X 1Y ) - ( X 1 )( Y ) ryr = 1 2 2 2 2 y1 = 2 -( n( XX (( 1 )) 1 )) 2 n n ( - (X X n Y 2)) - (( Y) )2 Y Y 1 1 (n ) - ( X 2 )( Y ) (n XX2Y 2 Y ) - ( X 2 )( Y ) ryr 2 == 2 y2 2 2 2 2 -( n( XX (( 2 )) n ( - (X X22)) 2 n n Y 2)) -( ( Y) )2 Y Y 2

[[

][][

]] ]]

[[

r12 == r12

[n[(n XX ) ) -( [n(( ( (X X )) ][]n X X


1 2 1

(n (n X -(( X1 )( )( X2 ) ) 1X 2 )) XX X X
2

][][

22

11

11

22

22 22

2 )) )2 -( ( X X2 2)

r y1 == ry1 r yr == 2y 2 r12r12 ==

[10 (29164 )) -(538 ) ) ][10 526 [10 ][10((27860 (29164 (538 27860 ))-(( 526) ) ]
22 2 2

10 (28452 (( 538 526 10 ( 28452) )538)( )( 526))

= 0,7453 = 0,6318

[10 ][10((27860 (34516 (586 27860 ))-((526 526) ) ] [10 (34516 )) -(586 ) ) ][10
22
2 2

10 (30940 (586 526 10 (30940) )(586)( )( 526))

10 (31632) )538)( )( 586)) 10 (31632 (( 538 586 = 0,5345 = 2 22 [10 ][10(( ] (29164 (538 34516 ))-(( 586) )2 10 (29164 )) -(538 ) ) 10 34516 586

][

2 + ry 2 -22 )( )( ) ryr (( rr )( rr )( rr 2 y1 12) 1y1 + ry 2 y1 yy 22 12 = RR = y -12 y -12 22 11 --rr12


2 2

12

0 ,7453 ++ 0 ,63182 2-2 2 0 7453)( )(0 0,,6318 6318 )( )(0 0, ,5345 5345 ) 0 , 7453 0 , 6318 (( 0 ,, 7453 ) = R = y -12 2 R y -12 = = 2 1 0 , 5345 1 - 0,5345
2
2

0 0,,451272 451272 = 0,7948 = 0,7948 0 0,,7143 7143

ry1 = ry 2 = r12 =

10 (30940 ) - (586 )( 526 ) [10 (29164 r )=(538 ) ][10 (27860 ) - (526 ) ]


2 2

= 0,7453

[ [

10 (30940 )( (586 )() 526 10 34516 - () 586 ) 2 10 ( 27860 ) - (526 ) 2 = 0,6318 2 10 (34516 ) - (586 ) 2 10 ( 27860 ) - () 526 10 (31632 - ()538 )( 586 )

y2

10 (31632 )( (538 )() 586 10 29164 - ()538 ) 2 10 (= 34516 ) - (586 ) 2 0,5345 2 2 10 (29164 ) - (538 ) 10 (34516 ) - (586 )

r12 =

][

][

][

][

= 0,6318 = 0,5345

R y -12 =
R y -12

Rr =2(ry1 )(ry 2 )(r12 ) r y1 + yy -2 12 2 2 2

ry1 + ry 2 - 2(ry1 )(ry 2 )(r12 )


2 2

1 - r12 0,451272 0,2 7453 2 + 0,6318 2 - 2(0,7453 )( 0,6318 )( 0,5345 ) 2 = 0,451272 Ry = = 0,7453 + 0 , 6318 - 2(0,7453 )( 0,6318 )( 0,5345 2 ) -12 = 0 , 7948 = 0,7143 1 - 0,5345 = 2 0 , 7143 1 - 0,5345

1 - r12

Dengan demikian maka koefisien determinasinya (R2r )= 0,632 r (6 n - 2) 0,7948 6 (n - 2) 0,7948 t hitung = = = 3,2080 t hitung =rumus t = = = 3,2080 Disubtitusi Disubtitusi ke dalam rumus ke t = dalam 2 2 2 (1 - r. ) 1 - 0,7948 (1 - r ) 1 - 0,7948 2 Selanjutnya dilakukan uji signifikansi dengan rumus Fhitung t 0,975 (6) = 2,447 t 0,975 (6) = 2,447 Fhitung = R2 (N-m-1) = karena 0,632 (10-2-1) = t tabel 4,424175 = Ho ditolak hitung > dari berarti ada 6,01 hubungan yang ada bermakna antara Hotditolak karena t hitung > dari t tabel berarti hubungan yang bermakna 2 M(1-R ) 2 (1-0,7948) 0,736 kemampuan apresiasi kesehatan dengan pengetahuan gizi dan pengetahuan kesehatan. kemampuan apresiasi kesehatan dengan pengetahuan gizi dan pengetahuan ke Bila kita bandingkan antara Nilai Fhitung dengan nilai F tabel pada tabel distribusi F, di mana untuk 5% = 4,74 dan untuk 1% = 5,55 dengan kriteria pengujian Ho yaitu : Ho : Tidak signifikan Ha : Signifikan Dengan demikian Ho ditolak karena F hitung > dari F tabel dengan demikian ada hubungan yang bermakna antara Jumlah kuman BTA dalam 100 lapangan pandang dan status imun yang direpresentasikan oleh jumlah sel CD4+ secara bersama terhadap variabel dependen indeks konversi kuman pasca pengobatan fase intensif pada penderita TB yang teratur berobat.

3. Cara KORELASI GANDA DI SPSS a. Langkah I Data yang sudah terkumpul dientry berdasarkan variabelnya

b. Karena tidak ada menu khusus untuk korelasi berganda, maka kita menggunakan analisis untuk uji regresi linier

C. Masukkan variabel-variabel yang dimaksudkan, variabel-variabel x yang kita asumsikan berpengaruh pada Y kita masukkan pada kolom variabel independen, sedangkan variabel y kita masukkan pada variabel dependen.

D. Yang dibaca adalah tabel model summary, di mana kita mendapatkan nilai R dan R2.

DAFTAR PUSTAKA

Cohen, Jacob, et al. (2002) Applied Multiple Regression - Correlation Analysis for the Behavioral Sciences ISBN 0805822232 Crown, William H. (1998) Statistical Models for the Social and Behavioral Sciences: Multiple Regression and Limited-Dependent Variable Models ISBN 0275953165 Edwards, Allen Louis (1985) Multiple regression and the analysis of variance and covariance ISBN 0716710811 Keith, Timothy (2006). Multiple regression and beyond, Boston, Mass: Pearson Education. Stanton, Jeffrey M. (2001) "Galton, Pearson, and the Peas: A Brief History of Linear Regression for Statistics Instructors", Journal of Statistics Education, 9 (3) Sugiyono. 2011. Statistika Untuk Penelitian. Alfabeta, Bandung