Anda di halaman 1dari 14

BAB I

PENDAHULUAN
1.1 Latar Belakang
Metode analisis yang telah dibicarakan hingga sekarang adalah analisis terhadap data
mengenai sebuah karakteristik atau atribut (jika data itu kualitatif) dan mengenai sebuah
variabel, diskrit ataupun kontinu (jika data itu kuantitatif). Tetapi sebagaimana disadari,
banyak persoalan atau fenomena yang meliputi lebih dari sebuah variabel. Misalnya: berat
orang dewasa laki-laki sampai taraf tertentu bergantung pada tingginya, tekanan semacam gas
bergantung pada temperatur, hasil produksi padi tergantung pada jumlah pupuk yang
digunakan, banyak hujan, cuaca dan sebagainya.
Karena itu untuk mempermudah dalam melakukan penghitungan suatu kejadian maka dapat
digunakan salah satu metode analisis dalam ilmu statistika yaitu analisis korelasi.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi / hubungan (Measures of association). Teknik ini berguna untuk mengukur kekuatan
hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu.
1.2 Tujuan
Memberikan informasi dan wawasan mengenai apa itu analisis korelasi.
Mengukur kekuatan hubungan antara dua variabel dengan skala-skala tertentu dalam korelasi.
Mengetahui variabel-variabel yang berperan dalam korelasi.
Mengetahui hubungan Uji Signifikan Parameter Individual (Uji Statistik t) pada

analisis korelasi.
Mengetahui korelasi ganda dan korelasi parsial
1.3 Rumusan masalah
Pengertian analisis korelasi?
Macam- macam variabel dalam analisis korelasi?
Seberapa besar keterkaitan yang dihasilkan dari variabel-variabel dalam analisis
korelasi?
Mengetahui pengaruh suatu variabel terhadap variabel lain dalam analisis regresi?
Apakah hubungan Uji Signifikan Parameter Individual (Uji Statistik t) pada analisis
korelasi?
Apakah jenis jenis analisis korelasi?

BAB II
PEMBAHASAN

ANALISIS KORELASI
2.1 Pengertian Analisis Korelasi
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran
asosiasi atau hubungan (measures of association). Pengukuran asosiasi merupakan istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk
mengukur kekuatan hubungan antara dua variabel. analisis korelasi adalah metode statistik
yang digunakan untuk mengukur besarnya hubungan linier antara dua variabel atau lebih.
Nilai korelasi populasi () berkisar pada interval -1 1. Jika korelasi bernilai positif,
maka hubungan antara dua variabel bersifat searah. Sebaliknya, jika korelasi bernilai negatif,
maka hubungan antara dua variabel bersifat berlawanan arah. Misalkan korelasi sampel
antara variabel X dan Y (rX,Y) bernilai positif mengartikan bahwa jika nilai X naik maka nilai
Y juga naik, sedangkan jika nilai X turun maka nilai Y juga turun. Misalkan korelasi sampel
antara variabel X dan Y (rX,Y) bernilai negatif mengartikan bahwa jika nilai X naik maka nilai
Y juga turun, sedangkan jika nilai X turun maka nilai Y juga naik. Nilai korelasi sampel (r)
diukur dari korelasi Pearson dengan syarat data berskala interval atau rasio.
2.2 Indeks Determinasi (R2)
Dalam analisis regresi, koefisien korelasi yang dihitung tidak untuk diartikan sebagai
ukuran keeratan hubungan variabel bebas (X) dan variabel tidak bebas (Y), sebab dalam
analisis regresi asumsi normal bivariat tidak terpenuhi. Untuk itu, dalam analisis regresi agar
koefisien korelasi yang diperoleh dapat diartikan maka dihitung indeks determinasinya, yaitu
hasil kuadrat dari koefisien korelasi: R 2xy (rxy ) 2 .
Indeks determinasi yang diperoleh tersebut digunakan untuk menjelaskan persentase
variasi dalam variabel tidak bebas (Y) yang disebabkan oleh bervariasinya variabel bebas
(X). Hal ini untuk menunjukkan bahwa variasi dalam variabel tak bebas (Y) tidak sematamata disebabkan oleh bervariasinya variabel bebas (X), bisa saja variasi dalam variabel tak
bebas tersebut juga disebabkan oleh bervariasinya variabel bebas lainnya yang
mempengaruhi variabel tak bebas tetapi tidak dimasukkan dalam model persamaan
regresinya.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah
variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel
independen, maka R2 pasti meningkat tidak perduli apakah variabel tersebut berpengaruh

secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan
untuk menggunakan nilai Adjusted R2 pada saat mengevaluasi mana model regresi terbaik.
Tidak seperti R2, nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen
ditambahkan kedalam model.
Dalam kenyataan nilai adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki
harus bernilai positif.Jika dalam uji empiris didapat nilai adjusted R 2 negatif, maka nilai
adjusted R2 dianggap bernilai nol. Secara matematis jika nilai R 2 = 1, maka Adjusted R2 = R2
= I sedangkan jika nilai R2 = 0, maka adjusted R2 = (1 - k)/(n - k). Jika k > 1 , maka adjusted
R= akan bernilai negative.
2.3 Korelasi Dalam Regresi Linier
Untuk menunjukkan besarnya keeratan hubungan antara dua variabel acak yang masingmasing memiliki skala pengukuran minimal interval dan berdistribusi bivariat, digunakan
koefisien korelasi yang dirumuskan sebagai berikut:

Keterangan:
rxy = hubungan variabel X dengan Variabel Y
X = Nilai variabel X
Y = Nilai variabel Y
Koefisien korelasi yang dirumuskan seperti itu disebut koefisien korelasi Pearson atau
koefisien korelasi product moment.Besar r adalah 1 r xy + 1.Tanda (+ ) menunjukkan
pasangan X dan Y dengan arah yang sama, sedangkan tanda menunjukkan pasangan X dan
Y dengan arah yang berlawanan dan rxy yang besarnya semakin mendekati 1 menunjukkan
hubungan X dan Y cenderung sangat erat. Jika mendekati 0 hubungan X dan Y cenderung
kurang kuat dan rxy sama dengan 0 menunjukkan tidak terdapat hubungan antara X dan Y.
Bentuk Hubungan Variabel X dan Y

Keterangan :
1.

Hubungan positif menyatakan hubungan semakin besar nilai pada variabel X, diikuti
pula perubahan dengan semakin besar nilai pada variabel Y

2.

Hubungan negatif menyatakan hubungan semakin besar nilai pada variabel X, diikuti
pula perubahan dengan semakin kecil nilai pada variabel Y.

3.

r = 1,00 menyatakan hubungan yang sempurna kuat; r = 0,50 menyatakan hubungan


sedang; dan 0,00 menyatakan tidak ada hubungan sama sekali (dua variabel tidak
berhubungan).

2.4 Uji Signifikan Parameter Individual (Uji Statistik t)


Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel
penjelas/independen secara individual dalam menerangkan variasi variabel dependen.
Hipotesis nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol,
atau Ho:bi = 0. Artinya apakah suatu variabel independen bukan merupakan penjelas yang
signifikan terhadap variabel dependen. Hipotesis alternatifnya (HA) parameter suatu variabel
4

tidak sama dengan nol, atau HA: bi # 0 . Artinya, variabel tersebut merupakan penjelas yang
signifikan terhadap variabel dependen. Untuk menguji signifikasi pengaruh variabel x
terhdap y digunakan uji t dengan rumus sebagai berikut :
tr

n2
1 r

Rumus t tabel : t df (n-2)


dimana :
t = t hitung uji signifikasi
r = koefisien korelasi
n = jumlah periode
Dengan kriteria pengujian sebagai berikut :
Ho diterima apabila t test t tabel
Ho ditolak apabila t test t tabel.
2.5 Analisis Koefisien Korelasi Linear Berganda
Adalah indeks atau angka yang diigunakan untuk mengukur keeratan hubungan antara 3
variabel/lebih. Koefisien korelasi berganda dirumuskan :
2.5.1 Korelasi Linier Berganda 2 Variabel Bebas
1. Koefisien Korelasi Linier Berganda
Mengetahui kuatnya hubungan antara dua variable Y dengan variabel X lainnya
(misalnya antara Y dengan X2 dan X3 ), maka kita harus menggunakan suatu koefisien
korelasi yang disebut Koefisien Korelasi Linier Berganda. Koefisien korelasi berganda
disimbolkan ry12 merupakan ukuran keeratan hubungan antara variabel terikat dan semua
variabel bebas. Secara bersama-sama. Rumus :
Ry.12 =

b1 x1 y b 2 x 2 y

Apabila KKLB dikuadratkan, maka akan diperoleh Koefisien Penentuan Berganda


(KPB) (coefficient of determination), yaitu suatu nilai untuk mengukur besarnya sumbangan
(share) dari beberapa variable X terhadap variasi (naik turunnya) Y.

2. Koefisien Penentu Berganda Atau Koefisien Determinasi Berganda


Koefisien determinasi berganda, disimbolkan KPB y.12 atau R 2 merupakan ukuran
kesusaian garis regresi linear berganda terhadap suatu data. Rumus :
5

KPBy.12 =

2.5.2

b1 x1 y b 2 x 2 y

Korelasi linear berganda dengan 3 variabel bebas

1. Koefisien Penentu Berganda


b1 x1 y b 2 x 2 y b3 x 3 y

KPB =

y y
2

2. Koefisien Korelasi Berganda


ry123 =

b1 x1 y b 2 x 2 y b3 x 3 y

2.6 Koefisien Korelasi Parsial


Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Jika
variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua variabel. Ada 3
koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel yaitu sebagai berikut :
1. Koefisien korelasi parsial antara y dan x1, apabila x2 konstan dirumuskan
ry.12 =

ry1 ry2 .r12

Ir Ir
2

y1

I2

2. Koefisien korelasi parsial antara y dan x2, apabila x1 konstan dirumuskan


ry.12 =

ry2 ry1.rI2

Ir Ir
2

y1

y2

3. Koefisien korelasi parsial antara x1 dan x2 apabila y konstan dirumuskan


R12y =

r12 ry1.rI2

Ir Ir
2

y1

y2

2.7 Soal Soal Analisis Korelasi


1. Hasil ulangan matematika (X) dan akuntansi (Y) adalah sebagai berikut:
X

Tentukan :
a. Koefisien korelasi
b. Koefisien penentu
Penyelesaian:
a. Menggunakan rumus Karl Pearson
X

XY

X2

Y2

4
6
5
8
7

5
8
6
7
9

20
48
30
56
63

16
36
25
64
49

25
64
36
49
81

Supaya mudah, rumusnya menggunakan nomor kolom seperti dibawah ini.

r=

r = 0,70
b. Korelasi Penentu
Kp = r2 x 100%
Kp = (0,70)2 x 100%
Kp = 49%
7

2.
X 65
63
67
64
Y 68
64
69
65
Tentukan :
a.
Cari koefisien korelasi !

68
67

62
66

70
68

66
65

68
70

67
67

26
140
5

11
115
0,5

Penyelesaian:
n (XY) (X) (Y)
r(KK) = ___________________________________________
(n (X2) (X)2) (n (Y2) (Y)2)
10 (44.182) (660) (669)
= ________________________________________________________
(10 (43.618) (660)2) (10 (44.789) (669)2)
441.820 441.540
=

_____________________________________________________

(436.180 435.600) (447.890 447.561)


280
=

_________________

(580) (329)
280
=

____________

190.820
280
=

___________

=0,641(Artinya korelasi positif)


436,8295

3. Nilai tes, pengalaman kerja, dan keluaran dari 10 guru


Y
X1
X2

32
160
5,5

15
80
6

30
112
9,5

34
185
5

35
152
8

10
90
3

39
170
9

23
150
1.5

Keterangan:
Y = keluaran (satuan)
X1 = nilai tes
X2 = pengalaman kerja (tahun)
Dengan menggunakan data Tabel di atas, tentukan koefisien determinasi bergandanya!
8

Penyelesaian:
Dari jawaban contoh soal sebelumnya, diperoleh:

4. Nilai tes, pengalaman kerja, dan keluaran dari 10 guru


Y
X1
X2

32
160
5,5

15
80
6

30
112
9,5

34
185
5

35
152
8

10
90
3

39
170
9

26
140
5

Keterangan:
Y = keluaran (satuan)
X1 = nilai tes
X2 = pengalaman kerja (tahun)
a. Tentukan koefisien penentu parsialnya masing-masing!
b. Faktor manakah yang dominan mempengaruhi keluaran (Y)?
Penyelesaian:
Dari jawaban contoh soal sebelumnya diketahui:

a.

Koefisien penentu parsial dari

terhadap , jika

konstan.

Koefisien penentu parsial dari

terhadap , jika

konstan.

Koefisien penentu parsial dari

terhadap

konstan.

, jika

11
115
0,5

23
150
1.5

b. Faktor dominan yang mempengaruhi keluaran (Y) adalah nilai tes (

, karena

memiliki koefisien penentu parsial tertinggi.


5. Tabulasi hasil penelitian variabel kualitas layanan dengan volume penjualan sabun cuci
diperoleh data sebagai berikut :
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

X
45
48
63
46
56
52
56
47
56
55
52
50
60
55
45
47
53
49
57
58

Y
120
173
149
166
170
174
156
158
150
160
157
177
166
160
155
159
159
172
168
159

Hitunglah :
1. Nilai korelasi dan determiasi
2. Kesimpulan apa yang diperoleh dari hubungan dua variabel tersebut
Penyelesaian
NO
1
2
3
4
5
6
7
8

x
45
48
63
46
56
52
56
47

y
120
173
149
166
170
174
156
158

xy
5.400
8.304
9.387
7.636
9.520
9.048
8.736
7.426

10

x
2.025
2.304
3.969
2.116
3.136
2.704
3.136
2.209

y
14.400
29.929
22.201
27.556
28.900
30.276
24.336
24.964

9
10
11
12
13
14
15
16
17
18
19
20

56
55
52
50
60
55
45
47
53
49
57
58
1.050

150
160
157
177
166
160
155
159
159
172
168
159
3.208

8.400
8.800
8.164
8.850
9.960
8.800
6.975
7.473
8.427
8.428
9.576
9.222
168.532

3.136
3.025
2.704
2.500
3.600
3.025
2.025
2.209
2.809
2.401
3.249
3.364
55.646

22.500
25600
24.649
31.329
27.556
25.600
24.025
25.281
25.281
29.584
28.224
25.281
517.472

Nilai korelasi

Koefisien determinan

Kesimpulan
a. Nilai koefisien korelasi diperoleh sebesar 0,091. Hal ini berarti adanya hubungan positif
antara kualitas layanan dengan rata-rata penjualan, namun jika dilihat dari nilai korelasi
hubungan variabel tersebut termasuk kategori rendah. Dengan demikian berarti kualitas
layanan memiliki hubungan rendah terhadap kenaikan rata-rata penjualan.

11

Nilai koefisien determinasi sebesar 0,008. Hal ini menunjukkan kemampuan variabel kualitas
layanan dalam mempengaruhi variabel rata-rata penjualan barang sebesar 0,8%, sedangkan
sisanya sebesar 99,2% dipengaruhi oleh faktor lain.

BAB III
PENUTUP
3.1 KESIMPULAN
1. Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara
variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x 1, x2xk).
Analisis korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi
berganda, koefisien korelasi berganda, dan koefisien korelasi parsial.
12

2. Korelasi linear berganda terbagi dua yaitu Korelasi linear berganda dengan dua
variabel bebas dan Korelasi linear berganda dengan tiga variabel bebas. Untuk harga
k (banyak variabel bebas) yang kecil, koefisien korelasi ganda dapat pula dihitung
dengan menggunakan koefisien antara dua variabel.
3. Pada uji signifikan parameter individual (uji statistik t) bahwa
Ho diterima apabila t test t tabel
Ho ditolak apabila t test t tabel.
4. Analisis korelasi adalah metode statistik yang digunakan untuk mengukur besarnya
hubungan linier antara dua variabel atau lebih. Nilai korelasi populasi () berkisar
pada interval -1 1. Jika korelasi bernilai positif, maka hubungan antara dua
variabel bersifat searah. Sebaliknya, jika korelasi bernilai negatif, maka hubungan
antara dua variabel bersifat berlawanan arah.

3.2 KRITIK DAN SARAN


Dalam penulisan makalah ini, penulis menyadari bahwa penyusunan makalah ini
tidak luput dari kesalahan dan kekurangan. Oleh karena itu, kritik dan saran yang konstruktif
akan senantiasa penyusun nanti dalam upaya evaluasi diri. Akhirnya penulis hanya bisa
berharap, bahwa dibalik ketidaksempurnaan penulisan dan penyusunan makalah ini adalah
ditemukan sesuatu yang dapat memberikan manfaat atau bahkan hikmah bagi penulis,
pembaca.

DAFTAR PUSTAKA

Anto, Dajan, 1991. Pengantar Metode Statistik. Jilid 2. Jakarta : LP3 S


Hasan,M.Iqbal.2002.Pokok-Pokok Statistik1.Jakarta:PT.Bumi Aksara
Sudjana. 1996. Metoda Statistika. Bandung: Tarsito.
Sarwono, Jonathan. Korelasi. Diakses online pada
http://www.jonathansarwono.info/korelasi/korelasi.htm

13

tanggal

13September

2014.

14