1.

Pokok bahasan: Analisis korelasi dan regresi sederhana

Sub pokok bahasan:
a. Arti analisa korelasi
b. Arti analisa korelasi
c. Arti koefisien determinasi
d. Mode least square untuk regresi
e. Ramalan dengan regresi koefisien korealasi data berkelompok, rank dan kumulatif

a. Arti analisa korelasi

- Analisis korelasi adalah metode statistik yang digunakan untuk mengukur arah dan
besarnya(kuat) hubungan linier antara dua variable atau lebih.
- Nilai korelasi populasi () berkisar pada interval 1 1.
- Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
- Jika korelasi bernilai positif, maka hubungan antara dua variable bersifat searah.
Sebaliknya, jika korelasi bernilai negative, maka hubungan antara dua variable
bersifat berlawanan arah.
- Korelasi bernilai positif mengartikan bahwa jika nilai X naik maka nilai Y juga naik,
sedangkan jika nilai X turun makan nilai Y juga turun.
- Korelasi negative mengartikan bahwa jika nilai X naik maka nilai Y turun, sedangkan
jika nilai X turun maka nilai Y naik.
- Nilai korelasi sampel (r) diukur dari korelasi Pearson dengan syarat data berskala
interval/rasio yang mana dirumuskan sebagai berikut:

Di sini, X dikatakan memengaruhi Y, jika berubahnya nilai X akan menyebabkan

perubahan nilai Y, akan tetapi, naik turunnya Y sedemikian rupa sehingga nilai Y
bervariasi, tidak semata-mata disebabkan oleh X. Naik/turunnya Y selain disebabkan
oleh variabel X juga oleh faktor-faktor lainnya. Untuk menghitung besar kontribusi
dari X terhadap naik/turunnya Y digunakan rumus koefisien penentuan atau disebut
koefisien korelasi Pearson.
KP = r2

Nilai KP menunjukkan besar kontribusi X terhadap naik/turunnya Y dalam persen.

Untuk korelasi data berkelompok digunakan rumus:
Rumus untuk menghitung koefisen korelasi bagi data berkelompok penting sekali

sebab dalam praktek, misalnya di dalam suatu penelitian, hasil data yang diperoleh
sudah disajikan dalam bentuk data berkelompok dengan interval kelas yang sama.
Koefisien korelasi rank adalah indeks angka-angka yang dipakai untuk mengukur
keeratan(erat atau tidaknya) korelasi antara dua variabel yang didasarkan atas ranking
(tingkatan).
Untuk korelasi rank digunakan rumus:

Rumus ini disebut rumus Spearman.

Perhitungan koefisien korelasi dengan menggunakan rumus korelasi rank (spearman)
jauh lebih sederhana dibandingkan rumus product moment dari pearson, sebab
dengan menggunakan rank angka-angkanya menjadi lebih kecil, sedangkan hasil
perhitungan adalah sama atau sangat mendekati.
Korelasi data kualitatif digunakan untuk data kualitatif yaitu data yang tidak
berbentuk angka-angka, tetapi berupa katagori-katagori.
Untuk data kualitatif yang dipergunakan dalam mengukur kuatnya hubungan disebut
Contingency Coefficient (koefisien bersyarat) yang mempunyai sama seperti
koefisien korelasi.
Koefisien bersyarat (Cc), dipergunakan untuk mengukur kuatnya hubungan data
kualitatif yang mempunyai arti seperti koefisien korelasi, dimana nilai C c sebesar nol,
yang berarti tidak ada hubungan. Akan tetapi, batas atas Cc tidak sebesar satu,
terantung atau sebagai fungsi banyaknya katagori (baris atau kolom). Batas tertinggi
nilai Cc ialah
, dimana nilai r ialah banyaknya baris atau kolom. Kalau
banyaknya baris tidak sama dengan banyaknya kolom, pilih nilai yang terkecil.
Untuk korelasi data kualitatif digunakan rumus:

b. Teknik ramalan dan analisa regresi

- Tujuan utama materi ini adalah bagaimana menghitung suatu perkiraan atau
persamaan regresi yang akan menjelaskan hubungan antara dua variabel.
1. Diagram pencar

Diagram pencar ini memiliki 2 manfaat, yaitu : membantu menunjukkan apakah

terdapat hubungan yang bermanfaat antara dua variabel, dan membantu menetapkan
tipe persamaan yang menunjukkan hubungan antara kedua variabel tersebut.
Berikut berbagai bentuk diagram pencar

2. Persamaan Regresi Linear

Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabelnya.
Istilah regresi itu sendiri berarti ramalan atau taksiran.
Persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram
pencar disebut persamaan regresi.
Bentuk persamaannya yaitu:
Y = a + b (X)
Untuk mencari nilai a dan b dapat digunakan rumus:

3. Penggunaan Persamaan Regresi dalam Peramalan

Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari
variabel tak bebas pada nilai variabel bebas tertentu. Tentu saja, tidak mungkin untuk
mengatakan dengan tepat.
c. Analisis koefisien determinasi
- Koefisien determinasi pada regresi linear sering diartikan sebagai seberapa besar
kemampuan semua variabel bebas dalam menjelaskan varians dari variabel
terikatnya. Secara sederhana koefisien determinasi nilainya diperoleh dari
menghitung kuadrat dari koefisien korelasi(R).
- Penggunaaan R Square sering menimbulkan permasalahan, yaitu bahwa nilainya akan
selalu meningkat dengan adanya penambahan variabel bebas dalam suatu model. Hal
ini akan menimbulkan bias, karena jika ingin memperoleh model dengan R tinggi,
seorang peneliti dapat dengan sembarangan menambahkan variabel bebas dan nilai R
akan meningkat, tidak tergantung apakah variabel bebas tambahan itu berhubungan
dengan variabel terikat atau tidak.
- Oleh
karena
itu,
banyak
peneliti
yang
menyarankan
untuk
menggunakan Adjusted R Square. Interpretasinya sama dengan R Square, akan tetapi
nilai Adjusted R Square dapat naik atau turun dengan adanya penambahan variabel
baru, tergantung dari korelasi antara variabel bebas tambahan tersebut dengan
variabel terikatnya. Nilai Adjusted R Square dapat bernilai negatif, sehingga jika
nilainya negatif, maka nilai tersebut dianggap 0, atau variabel bebas sama sekali tidak
mampu menjelaskan varians dari variabel terikatnya.
d. Mode least square untuk regresi
e. Ramalan dengan regresi koefisien korealasi data berkelompok, rank dan kumulatif
-