Anda di halaman 1dari 29

MODUL 4

UJI KORELASI REGRESI

4.1 Tujuan Praktikum


1. Mampu memahami Uji Korelasi Regresi
2. Mampu menyelesaikan persoalan Uji Korelasi Regresi dengan software SPSS

4.2 Tugas Praktikum


1. Membuat dan mencari data dari sumber terpercaya untuk diolah kemudian
tampilkan dalam bentuk tabel data historis dengan jumlah data minimal
sejumlah 100 data.
2. Melakukan perhitungan Uji Korelasi Regresi (Regresi Linear Sederhana dan
Regresi Linear Berganda) dari sejumlah yang telah didapat dengan
menggunakan software SPSS.
3. Melakukan analisa dari hasil sejumlah hasil olahan yang didapat hingga
tentukan kesimpulan keputusan dan rumus regresi yang didapat.

4.3 Pengolahan Data


4.3.1 Deskripsi Kasus
1. Regresi Linear Sederhana
Melakukan pencarian data pada website bps.go.id sebanyak minimal 100 data
untuk melakukan pengujian Regresi Linear Sederhana yang terdiri dari satu
variabel dependent (Y) dan satu variabel independent (X). Kemudian
melakukan pengolahan data menggunakan software SPSS.
2. Regresi Linear Berganda
Melakukan pencarian data pada website bps.go.id sebanyak minimal 100 data
untuk melakukan pengujian Regresi Linear Berganda yang terdiri dari satu
variabel dependent (Y) dan dua atau lebih variabel independent (X 1, X2,... Xn).
Kemudian melakukan pengolahan data menggunakan software SPSS.

4.3.2 Tabel Data Historis


1. Uji Regresi Sederhana
Variabel X
Tahun

2009

2010

Daerah

Variabel Y
Produksi
(ton)

DI Yogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat

Luas Panen
(Ha)
170
6876
112
190
47

Nusa Tenggara Timur

113

492

Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua
DI Yogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat

342
244
92
267
7281
169
1995
328
69
229
6
164
228
68
193
7881
103
185
59

1197
881
345
1281
78125
517
11378
783
231
333
10
301
663
365
2151
82872
398
2199
859

Nusa Tenggara Timur

104

190

Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara

298
253
219
238
7281
229
2263
435

1056
783
820
1082
73787
1004
11363
1034

1948
73992
339
1934
556

Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua

28
268
6
116
110
280

74
334
11
251
490
517

2. Uji Regresi Berganda

Tahun

2009

2010

Daerah
DI Yogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat
Nusa Tenggara Timur
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua
DI Yogyakarta
Jawa Timur
Banten
Bali
Nusa Tenggara Barat
Nusa Tenggara Timur
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur

Y
Luas_Panen
(Ha)
170
6876
112
190
47
113
342
244
92
267
7281
169
1995
328
69
229
6
164
228
68
193
7881
103
185
59
104
298
253
219
238

X1
Produksi(Ton)
1948
73992
339
1934
556
492
1197
881
345
1281
78125
517
11378
783
231
333
10
301
663
365
2151
82872
398
2199
859
190
1056
783
820
1082

X2
Produktivitas
(Ha/Ton)
11,46
10,76
3,03
10,18
11,83
4,35
3,50
3,61
3,75
4,80
10,73
3,06
5,70
2,39
3,35
1,45
1,67
1,84
2,91
5,37
11,15
10,52
3,86
11,89
14,56
1,83
3,54
3,09
3,74
4,55

Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Gorontalo
Sulawesi Barat
Maluku
Maluku Utara
Papua Barat
Papua

7281
229
2263
435
28
268
6
116
110
280

73787
1004
11363
1034
74
334
11
251
490
517

10,13
4,38
5,02
2,38
2,64
1,25
1,83
2,16
4,45
1,85

4.3.3 Tentukan Ho dan Ha, tingkat probabilitas kesalahan (p), dan kriteria pengujian
1. Uji Linearitas
- Ho: Data tidak bersifat linear
- Ha: Data bersifat linear
- Tingkat probabilitas kesalahan = 5% = 0,05
- Kriteria pengujian:
Sig > 0,05 : Ho diterima, maka data bersifat tidak linear
Sig 0,05 : Ho ditolak, maka data bersifat linear
2. Uji Korelasi
- Ho: Tidak ada hubungan antara 2 variabel atau lebih
- Ha: Ada hubungan antara 2 variabel atau lebih
- Tingkat probabilitas kesalahan = 5% = 0,05
- Kriteria pengujian:
Sig > 0,05 : Ho diterima, maka tidak ada hubungan antara 2
variabel atau lebih
Sig 0,05 : Ho ditolak, maka ada hubungan antara 2 variabel atau
lebih

Tabel 4.1 Interpretasi Nilai R


R
0
0,01-0,20
0,21-0,40
0,41-0,60
0,61-0,80
0,81-0,99
1

Interpretasi
Tidak berkorelasi
Korelasi sangat rendah
Rendah
Agak rendah
Cukup
Kuat
Sangat Kuat

3. Regresi Linear Sederhana


- Ho : Tidak ada hubungan antara luas panen bawang daun pada tahun
-

2009 dan 2010 dengan produksi bawang dauh tahun 2009 dan 2010
Ha : Ada hubungan antara luas panen bawang daun pada tahun 2009
dan 2010 dengan produksi bawang daun tahun 2009 dan 2010
Tingkat probabilitas kesalahan = 5% = 0,05
Kriteria pengujian :
Sig > 0,05 : Ho diterima, maka tidak ada antara hubungan luas
panen bawang daun pada tahun 2009 dan 2010 dengan produksi
bawang daun tahun 2009 dan 2010
Sig 0,05 : Ho ditolak, maka ada hubungan antara luas panen
bawang daun pada tahun 2009 dan 2010 dengan produksi
bawang daun tahun 2009 dan 2010

4. Regresi Linear Berganda


- Ho : Tidak ada antara hubungan luas panen bawang daun pada tahun
2009 dan 2010 dengan produksi dan produktivitas bawang daun pada
-

tahun 2009 dan 2010


Ha : Ada hubungan antara luas panen bawang daun pada tahun 2009
dan 2010 dengan produksi dan produktivitas bawang daun pada tahun

2009 dan 2010


Tingkat probabilitas kesalahan = 5% = 0,05
Kriteria pengujian :
Sig > 0,05 : Ho diterima, maka tidak ada hubungan antara luas
panen bawang daun pada tahun 2009 dan 2010 dengan produksi
dan produktivitas bawang daun pada tahun 2009 dan 2010
Sig 0,05 : Ho ditolak, maka ada hubungan antara luas panen
bawang daun pada tahun 2009 dan 2010 dengan produksi dan
produktivitas bawang daun pada tahun 2009 dan 2010

5. Uji Model Regresi


- Ho: Model regresi tidak bisa digunakan untuk memprediksi
- Ha: Model regresi bisa digunakan untuk memprediksi
- Tingkat probabilitas kesalahan = 5% = 0,05
- Kriteria pengujian:
Sig > 0,05 : Ho diterima, maka model regresi tidak bisa digunakan
untuk memprediksi
Sig 0,05 : Ho ditolak, maka model regresi bisa digunakan untuk
memprediksi

4.3.4 Cara Kerja


1. Regresi Linear Sederhana
a. Uji Linearitas
- Membuat desain variabel, masuk ke perintah Variabel View, kemudian
desainnya seperti ini:

Masukkan data ke SPSS


Masuk ke Data View kemudian masukkan data sebagai berikut:

Klik Analyze > Compare Means > Means

Masukkan Variabel Y ke Dependent List dan Variabel X ke


Independent List

Klik Options lalu:


Test for linearity

Klik OK.
Kemudian keluar lah output sebagai berikut:

b. Uji Korelasi
- Membuat desain variabel, masuk ke perintah Variabel View, kemudian
desainnya seperti ini:

Masukkan data ke SPSS


Masuk ke Data View kemudian masukkan data sebagai berikut:

Klik Analyze > Correlate > Bivariate

Masukkan variabel Y dan X ke dalam Variables, lalu:


Pearson
Two-tailed

Klik OK
Kemudian akan keluar output sebagai berikut:

c. Uji Regresi Linear Sederhana

Setelah membuat desain variabel dan memasukkan data ke Data View


Klik Analyze > Regression > Linear

Lalu masukkan variabel Y ke Dependent dan variabel X ke


independent

Klik Statistics, kemudian


Estimates
Model of fit
Pilih All Cases, seperti berikut:

Klik Plots
Masukkan SDRESID ke dalam Y dan ZPRED ke dalam X

Klik Next
Masukkan ZPRED ke dalam Y dan DEPENDNT ke dalam X

Continue
Klik Options
Isi nilai probabilitas sebesar 5% atau 0,05
Include constant in equation

Exclude cases listwise

Klik Continue
Kemudian OK
Lalu akan muncul output sebagai berikut:

2. Uji Regresi Berganda


a. Uji Linearitas
- Membuat desain variabel, masuk ke perintah Variable View, seperti
berikut:

Setelah itu, masukkan data ke Data View sebagai berikut:

Klik Analyze > Compare Means > Means

Masukkan Y ke Dependent list dan masukkan X1 dan X2 ke


Independent list, seperti berikut:

Klik Option kemudian centang Test of linearity

Klik OK
Kemudian akan muncul output sebagai berikut:

b. Uji Korelasi
- Setelah memasukkan data di Data View
- Klik Analyze > Correlate > Bivariate

Masukan variabel Y, X1 dan X2 ke dalam Variables


Pearson
Two-tailed

Klik OK
Kemudian akan muncul output sebagai berikut:

c. Uji Regresi Linear Berganda


- Setelah memasukkan data ke Data View dan menguji Linearitas dan
-

Korelasi
Klik Analyze > Regression > Linear

Masukkan variabel Y ke dalam Dependent dan masukkan variabel X 1


dan X2 ke dalam Independent

Centang Estimates, Model of fit dan Descriptives

Lalu Continue
Masukkan SDRESID ke dalam Y dan ZPRED ke dalam X

Klik Next
Masukkan ZPRED ke dalam Y dan DEPENDNT ke dalam X
Kemudian centang Produce all partial plots

Klik Continue
Klik Options
Isi nilai probabilitas sebesar 5% atau 0,05
Include constant in equation
Exclude cases listwise

Klik OK
Kemudian akan muncul output sebagai berikut:

4.3.5 Hasil Output SPSS


1. Uji Regresi Sederhana
a. Uji Linearitas

b.

Uji Korelasi

c. Uji Regresi Linear Sederhana

2. Uji Regresi Berganda


a. Uji Linearitas

b. Uji Korelasi

c. Uji Regresi Linear Berganda

4.3.6 Analisis Hasil Output SPSS


1. Uji Regresi Sederhana
a. Uji Linearitas
Sig linearity = 0,000
Sig 0,05 maka Ho ditolak berarti data tersebut bersifat linear.
b. Uji Korelasi

Hubungan korelasi ditunjukkan oleh angka 0,994 yang artinya besar


korelasi terjadi antara variabel X dan Y adalah kuat, sebesar 0,994.
Sig. (2-tailed) adalah 0,000 masih kecil dari batas kritis = 0,025
(0,000 < 0,025), yang berarti terdapat hubungan yang signifikan antara
kedua variabel.
c. Uji Regresi Linear Sederhana
- Output 1
Output Model Summary menunjukan nilai R yang merupakan penjelas
seberapa besar sebuah variabel mempengaruhi variabel lainnya.
Angka R square pada tabel menunjukan 0,988 yang merupakan
pengkuadratan dari koefisian korelasi (0,994 x 0,994 = 0,988). R
square bisa disebut koefisien determinasi (R2) dimana hal itu berarti
98,8% dari variabel Produksi bisa dijelaskan oleh variabel Luas Panen.
Sementara sisanya (100%-98,8% = 1,2%) dijelaskan oleh sebab-sebab
-

yang lain.
Output 2
Tabel ANOVA menunjukkan apakah sebuah model regresi bisa
digunakan untuk melakukan sebuah prediksi atau tidak.
Dari uji ANOVA atau F Test diatas, diperoleh F hitung sebesar
3210,749 dengan tingkat signifikansi 0,000. Oleh karena probabilitas
lebih kecil dari 0,05 maka model regresi bisa digunakan untuk

memprediksi Produksi.
Output 3
Tabel diatas menggambarkan persamaan regresi yang muncul untuk
Produksi dan Luas Panen.
Y = a + bX
Y = -1493,274 + 10,538X

Dimana Y = Produksi dan X = Luas Panen


Output 4
Chart diatas merupakan Normal Probability Plot yang menunjukan
apakah uji normalitas data yang digunakan sudah terpenuhi atau belum.
Terlihat bahwa sebaran data pada chart diatas bisa dikatakan tersebar di
sekeliling garis lurus tersebut (terpencar agak jauh dari garis lurus) dan
sebaran data membentuk ke arah kanan atas. Maka dapat dikatakan
bahwa persyaratan Normalitas bisa terpenuhi.

2. Uji Regresi Berganda

a. Uji Linearitas
Sig linearity antara luas panen dan produksi = 0,000
Sig linearity antara luas panen dan produktivitas = 0,007
Sig 0,05 maka Ho ditolak berarti data tersebut bersifat linear.
b. Uji Korelasi
- Hubungan korelasi antara variabel Luas Panen dan variabel Produksi
menunjukkan nilai 0,994 yang berarti antara variabel Luas Panen dan
-

Produksi mempunyai hubungan yang kuat.


Hubungan korelasi antara variabel Luas Panen dan variabel
Produktivitas menunjukkan nilai 0,465 yang berarti antara variabel

Luas Panen dan Produktivitas mempunyai hubungan yang agak rendah.


Hubungan korelasi antara variabel Produksi dan Produktivitas
menunjukkan nilai 0,490 yang berarti bahwa antara variabel Produksi
dan Produktivitas mempunyai hubungan yang agak rendah.

c. Uji Regresi Linear Berganda


- Output 1
Besar hubungan antara variabel Luas Panen dengan Produksi yang
dihitung dengan koefisien korelasi adalah 0,994, sedangkan variabel
Luas Panen dengan Produktivitas adalah 0,465. Secara teoritis, karena
korelasi antara Luas Panen dengan Produksi lebih besar, maka variabel
Produksi lebih berpengaruh terhadap Luas Panen dibanding variabel
Produktivitas.
Tingkat signifikansi

koefisien

korelasi

satu

sisi

dari

output

menghasilkan angka 0,000 dan 0,001 yang berarti bahwa probabilitas


jauh dari 0,05, maka korelasi di antara variabel Luas Panen dengan
-

Prdouksi dan Produktivitas sangat nyata.


Output 2
Output Model Summary menunjukan nilai R yang merupakan penjelas
seberapa besar sebuah variabel mempengaruhi variabel lainnya.
Angka R square pada tabel menunjukan 0,988 yang merupakan
pengkuadratan dari koefisian korelasi (0,994 x 0,994 = 0,988). R
square bisa disebut koefisien determinasi (R2) dimana hal itu berarti
98,8% dari variabel Luas Panen bisa dijelaskan oleh variabel Produksi.
Sementara sisanya (100%-98,8% = 1,2%) dijelaskan oleh sebab-sebab

yang lain.
Output 3

Tabel ANOVA menunjukkan apakah sebuah model regresi bisa


digunakan untuk melakukan sebuah prediksi atau tidak.
Dari uji ANOVA atau F Test diatas, diperoleh F hitung sebesar
1655,295 dengan tingkat signifikansi 0,000. Oleh karena probabilitas
lebih kecil dari 0,05 maka model regresi bisa digunakan untuk
-

memprediksi Luas Panen.


Output 4
Tabel diatas menggambarkan persamaan regresi yang muncul untuk
Produksi dan Luas Panen.
Y = a + bX1 + cX2
Y = 229,069 + 0,095X1 + (-16,998)X2

Dimana Y = Luas Panen, X1= Produksi, X2= Produktivitas


Output 5
Chart diatas menunjukan hubungan antara Luas Panen dengan
Produksi. Terlihat bahwa sebaran data membentuk arah ke kanan atas
dan jika ditarik garis lurus akan didapat slope yang positif. Hal ini
sesuai dengan koefisien regresi Produksi yang positif
Chart diatas menunjukan hubungan antara Luas Panen dengan
Produktivitas. Terlihat bahwa sebaran data membentuk arah ke kiri
bawah dan jika ditarik garis lurus akan didapat slope yang negatif. Hal
ini sesuai dengan koefisien regresi produktivitas yang negatif

4.3.7 Keputusan
1. Uji Regresi Sederhana
Dari data yang didapatkan melalui output SPSS bahwa data praktikan bersifat linear,
dan hubungan antara variabel Luas Panen dengan Produksi adalah kuat dengan nilai R
square = 0,988. Disebut dengan koefisian determinasi (R2) yang berarti bahwa Luas
Panen dipengaruhi oleh Produksi sebanyak 98,8%. Sisanya, 1,2% dijelaskan oleh
variabel lain. Model regresi ini dapat digunakan untuk memprediksikan Luas Panen
dengan nilai signifikansi = 0,000. Dari slope yang ada, dapat dinyatakan bahwa
korelasi kedua variabel tersebut merupakan korelasi hubungan searah, karena sebaran
data membentuk ke arah kanan atas.
2. Uji Regresi Berganda

Dari data yang didapatkan melalui output SPSS bahwa data praktikan bersifat linear,
dan didapatkan bahwa hubungan antara variabel Luas Panen dengan variabel Produksi
adalah kuat, dengan interpetasi nilai R = 0,988. Kemudian, hubungan antara variabel
Luas Panen dengan Produktivitas adalah agak rendah dengan interpetasi nilai R =
0,465. Dan hubungan antara variabel Produksi dengan variabel Produktivitas adalah
agak rendah, dengan nilai interpetasi R = 0,490. Model regresi ini dapat menentukan
luas panen dengan nilai signifikansi = 0,000. Dari slope yang ada, dapat dinyatakan
bahwa korelasi antara variabel Luas Panen dengan variabel Produksi merupakan
korelasi hubungan searah, karena sebaran data membentuk ke arah kanan atas.
Sedangkan, dari slope antara hubungan variabel Luas Panen dengan variabel
Produktivitas dinyatakan korelasi negative, yaitu korelasi hubungan dua arah
dikarenakan sebaran data membentuk ke kiri bawah.

Lampiran
Website:

http://bps.go.id/tab_sub/view.php?

kat=3&tabel=1&daftar=1&id_subyek=55&notab=64
2009
Provinsi

2010

Luas
Panen

Produk
si

Produktiv
itas

Luas
Panen

Produk
si

Produktiv
itas

(Ha)

(Ton)

(Ton/Ha)

(Ha)

(Ton)

(Ton/Ha)

DI
Yogyakarta

170

1948

11,46

193

2151

11,15

Jawa Timur

6876

7399
2

10,76

788
1

8287
2

10,52

Banten

112

339

3,03

103

398

3,86

Bali

190

1934

10,18

185

2199

11,89

Nusa
Tenggara
Barat
Nusa
Tenggara
Timur
Kalimantan
Barat

47

556

11,83

59

859

14,56

113

492

4,35

104

190

1,83

342

1197

3,50

298

1056

3,54

Kalimantan
Tengah

244

881

3,61

253

783

3,09

Kalimantan
Selatan

92

345

3,75

219

820

3,74

Kalimantan
Timur

267

1281

4,80

238

1082

4,55

Sulawesi
Utara
Sulawesi
Tengah

7281

7812
5

10,73

728
1

7378
7

10,13

169

517

3,06

229

1004

4,38

Sulawesi
Selatan

1995

1137
8

5,70

226
3

1136
3

5,02

Sulawesi
Tenggara

328

783

2,39

435

1034

2,38

Gorontalo

69

231

3,35

28

74

2,64

Sulawesi
Barat

229

333

1,45

268

334

1,25

10

1,67

11

1,83

164

301

1,84

116

251

2,16

228

663

2,91

110

490

4,45

68

365

5,37

280

517

1,85

Maluku
Maluku
Utara
Papua
Barat
Papua